您现在的位置是:首页 > 文章详情

Python科学计算结果的存储与读取

日期:2019-03-16点击:293

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:

复制代码
 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
复制代码

2、采用Json存储和读取

复制代码
# 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()
复制代码

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。

 

复制代码
# 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()
复制代码

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。

原文地址https://www.cnblogs.com/lvqing323/p/10545711.html

原文链接:https://yq.aliyun.com/articles/693967
关注公众号

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。

持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。

文章评论

共有0条评论来说两句吧...

文章二维码

扫描即可查看该文章

点击排行

推荐阅读

最新文章