Python科学计算结果的存储与读取
Python科学计算结果的存储与读取
Python科学计算结果的存储与读取
总结于2019年3月17日 荆楚理工学院计算机工程学院
一、前言
显然，作为一名工科僧，执行科学计算，着用Python，快忘记Matlab吧。我用了二十年的时间，熟练掌握了Matlab的用法，然后，很可能，我用6个月不到的时间，选择并实现了用Python替换Matlab。虽然来到了计算机工程学院，但是科学计算是本业，不能久，然后我突然间发现，好多时候，只用pyplot显示结果，我们的计算结果，很多时候需要存储和重复调用的哪，一个图的话，若再需要数据，下次需要，难道再发费几小时重新计算？
用Python替换Matlab的理由：
（1）并行多核计算简单，效率高
之前用Matlab，并行计算需要时间几小时完成一项工作，该工作相似的计算，在Python里仅 用了2小时不到，5300多秒。可见其差异。另外，并行多核计算的代码非常简单，导入multiprocessing，定义其cpu_count，然后导入Pool，执行apply_async，调用get()获得return的结果即可，简单，强大！
（2）占地不大
Matlab现在是越来越大了，您懂得……，但并卵，安装Anaconda也不到3GB吧？我添加了许多插件了的。
（3）通用性强
这个，Python作为一门通用语言，已经成功登顶计算机语言排行榜首，不用多说了吧？
二、在Python中存储和读取科学计算结果
1、计算实例
显然，科学计算往往十分复杂，我此处用一个简单的混沌 映射序列作为后来结果的演示：
1 # 导入各种支持
2 import matplotlib.pyplot as plt
3 import numpy as np
4 import pandas as pd
5 import random
6 import math
7 import json
8 # import redis
9
10
11 # 建立科学计算
12 # Chebyshev map,初始值0。7，无关a值问题，注意取值是【-1，1】，可通过math.fabs实现切换m
13 def Chebyshev(maxIter, initial_value=0.7, a=1.0):
14 y = [0.0] * maxIter
15 for i in range(maxIter):
16 if i == 0:
17 y[i] = initial_value
18 else:
19 y[i] = math.cos(i / math.cos(y[i - 1]))
20 return y
2、采用Json存储和读取
# 采用json存储结果
def test_json_write():
maxIter = 500
chaos = Chebyshev(maxIter)
data = { 'chaos':chaos, 'maxIter':500}
datum = json.dumps(data, ensure_ascii=False)
with open('chaos.json', 'w') as f:
json.dump(data, f, indent=4, sort_keys=False)
# 采用json读取文件
def test_json_read():
fileName = "chaos"
with open('{}.json'.format(fileName), 'r') as fp:
result = json.load(fp)
chaos = result['chaos']
maxIter = result['maxIter']
plt.plot(chaos)
plt.show()
优点：一是可以使用dict字典的形式，使结果存储于JSON中，二是数据可见，通用性强；三是复用方便。
3、使用numpy的形式读取和使用
numpy提供了数组的三种存储方法，如save、load组；tofile和Fromfile组；以及savetxt和loadtxt组，三种方法均可以使用，注意前两种情况是对数组加密的，无法像json或txt一样能够显示计算结果。因此，我们在有条件的情况下，可以txt型，但若有json存储方法存在，Txt其实也没有啥优势，毕竟科学计算结果较大，txt数据文件较大时，不好读入。
# 测试数组的存储方式
def test_numpy_save():
maxIter = 500
chaos = Chebyshev(maxIter)
data = np.array(chaos)
# data.tofile('chaos.npy',format='%e')
np.savez('chaos.npz', maxIter, chaos)
# 测试numpy文件的读取
def test_numpy_load():
# chaos=np.fromfile('chaos.npy',dtype=np.double)
result = np.load("chaos.npz")
chaos = result["arr_1"]
plt.plot(chaos)
plt.show()
三、总结
1、存储单个列表
如果只需要存储一个列型数据，如errro序列，则可以直接用numpy的存储方式，先将序列转换为numpy数组，使用数组的三种存储方式均是可以的。
2、多个数组可使用词曲的方式存储
当有多个需要存储的内容时，可将其转换为词典的格式，统一为data={‘key1 ’:value1, ’key2’:value2 ,……}，然后采用json.dump(data,file)的格式，将数据存储为json格式。
