使用 NumPy 读取具有混合格式的文本文件

您有一系列具有混合格式的文本文件，需要从这些文件中提取特定原子（例如’CG’、‘CD1’、'CD2’等）对应的值。您希望将这些值存储在两个字典中，每个字典包含 12 个键，其中键为原子名称，值是一个包含三个元素的元组，分别代表该原子的 x、y 和 z 坐标。

2. 解决方案

可以使用 Python 中的 NumPy 库来读取文本文件并提取所需的数据。以下是如何使用 NumPy 实现该解决方案的步骤：

1. 首先，需要导入 NumPy 库。

import numpy as np

2. 然后，使用 numpy.genfromtxt() 函数从文本文件中读取数据。该函数可以读取具有任意分隔符的文本文件，并将其转换为 NumPy 数组。

data = np.genfromtxt("input.txt", delimiter=",", skip_footer=2)

3. 读取数据后，需要过滤掉不包含所需原子名称的行。可以使用 np.where() 函数来完成此操作。

atom_indices = np.where(np.isin(data[:, 0], ['CG', 'CD1', 'CD2', 'CE1', 'CE2', 'CZ']))

4. 过滤掉不包含所需原子名称的行后，就可以将数据转换为所需格式。可以使用 np.array() 函数将数据转换为 NumPy 数组，并使用 np.transpose() 函数将数组转置。

data = data[atom_indices]
data = np.array(data)
data = np.transpose(data)

5. 最后，可以将数据存储在字典中。使用 dict() 函数创建字典，并使用 zip() 函数将原子名称和数据值配对。

result = dict(zip(['CG', 'CD1', 'CD2', 'CE1', 'CE2', 'CZ'], data))

6. 现在，就可以访问字典中的数据了。例如，要获取原子 ‘CG’ 的坐标，可以使用以下代码：

cg_coordinates = result['CG']

代码例子

以下是完整的代码示例：

import numpy as np

def read_pdb(filename):
    """Reads a PDB file and extracts the coordinates of specified atoms.

    Args:
        filename: The name of the PDB file to read.

    Returns:
        A dictionary containing the coordinates of the specified atoms.
    """

    # Read the PDB file
    data = np.genfromtxt(filename, delimiter=",", skip_footer=2)

    # Filter out the rows that do not contain the specified atoms
    atom_indices = np.where(np.isin(data[:, 0], ['CG', 'CD1', 'CD2', 'CE1', 'CE2', 'CZ']))
    data = data[atom_indices]

    # Convert the data to the desired format
    data = np.array(data)
    data = np.transpose(data)

    # Create a dictionary to store the data
    result = dict(zip(['CG', 'CD1', 'CD2', 'CE1', 'CE2', 'CZ'], data))

    return result

# Example usage
filename = "input.txt"
result = read_pdb(filename)

# Access the data in the dictionary
cg_coordinates = result['CG']

优点

使用 NumPy 来读取具有混合格式的文本文件具有以下优点：

• NumPy 提供了强大的数据处理功能，可以轻松地过滤和转换数据。
• NumPy 具有很高的性能，即使处理大型文件也能保持较快的速度。
• NumPy 可以轻松地与其他 Python 库集成，例如 Pandas 和 Matplotlib。

缺点

使用 NumPy 来读取具有混合格式的文本文件也存在一些缺点：

• NumPy 对于初学者来说可能有点复杂。
• NumPy 可能会占用大量的内存，尤其是处理大型文件时。