python储存与读取-Python科学计算结果的存储与读取

最新推荐文章于 2024-04-07 16:17:39 发布

weixin_39993322

最新推荐文章于 2024-04-07 16:17:39 发布

阅读量338

点赞数

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，需用Python。PS：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，但是工程计算是本业，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processes=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：

#导入各种支持

importmatplotlib.pyplot as pltimportnumpy as npimportpandas as pdimportrandomimportmathimportjson#import redis

#建立科学计算#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

def Chebyshev(maxIter, initial_value=0.7, a=1.0):

y= [0.0] *maxIterfor i inrange(maxIter):if i ==0:

y[i]=initial_valueelse:

y[i]= math.cos(i / math.cos(y[i - 1]))return y

2、采用Json存储和读取

#采用json存储结果

deftest_json_write():

maxIter= 500chaos=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

deftest_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取方法，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

deftest_numpy_save():

maxIter= 500chaos=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

deftest_numpy_load():#chaos=np.fromfile("chaos.npy",dtype=np.double)

result = np.load("chaos.npz")

chaos= result["arr_1"]

plt.plot(chaos)

plt.show()

优点：前两种方法，可以实现数据的简单加密功能。

缺点：（1）如果是其它类型如序列list，需要先转换为数组。（2）save和load，多组存储时，需要按顺序对应读出，显然不方便。