Stapelverarbeitung von Datendateien und wissenschaftliche Berechnungsmethoden auf Basis von Python

这篇文章主要介绍了关于基于python批量处理dat文件及科学计算的方法，有着一定的参考价值，现在分享给大家，有需要的朋友可以参考一下

摘要：主要介绍一些python的文件读取功能，文件内容修改，文件名后缀更改等操作。

批处理文件功能

import os
path1 = 'C:\\Users\\awake_ljw\\Documents\\python for data analysis\\test1'
path2 = 'C:\\Users\\awake_ljw\\Documents\\python for data analysis\\test2'
filelist = os.listdir(path1)
for files in filelist:
 Olddir = os.path.join(path1,files)
 filename = os.path.splitext(files)[0]
 filetype = os.path.splitext(files)[1]
 print Olddir
 file_test = open(Olddir,'r')
 Newdir = os.path.join(path2,str(filename)+'.csv')
 print Newdir
 file_test2 = open(Newdir,'w')
 for lines in file_test.readlines():
 strdata = ",".join(lines.split('\t'))
 file_test2.write(strdata)
 file_test.close()
 file_test2.close()

os模块是python最基础的模块之一，一般用于文件处理等操作。上面这段代码主要就是将dat文件转化为csv文件，同时保证csv可读。一般txt文件不能通过直接改后缀改变呈csv文件格式，一般会造成文件不可读。csv文件一般通过逗号分隔文本，数据处理起来较得心应手，可以直接改后缀得到xlsx文件，一般excel也可读。

科学计算

matlab作为一门科学计算编程语言，在科学计算的应用实在广泛，包括webread等强大的函数用起来十分顺手，但matlab是商业软件，并不免费。其实，python在科学计算效率或函数库功能包括其绘图功能、图像处理都很强大，(相比matlab，python的调色板更出色)。以下列举一些数据文件读取，绘图的一些基本操作作为参考。

数据提取及绘图

#数据提取
import os 
import pandas as pd
import numpy as np
number = -1;
sudu=np.zeros(5247*5,dtype=float).reshape(5247,5)
for files in filelist1:
 number +=1
 data = pd.read_csv(str(number+1)+'a.csv')
 sudu[:,number]=data['velocity']
 x = data['x']
 y = data['y']
a = sudu[0:5184,0].reshape(81,64)
%matplotlib inline
import matplotlib.pyplot as plt
extent = [np.min(x),np.max(x),np.min(y),np.max(y)]
plt.subplot(231)
u0 = sudu[0:5184,0].reshape(81,64)
plt.imshow(u0,extent=extent,origin='lower')
plt.subplot(232)
u1 = sudu[0:5184,1].reshape(81,64)
plt.imshow(u1,extent=extent,origin='lower')
plt.subplot(233)
u2 = sudu[0:5184,2].reshape(81,64)
plt.imshow(u2,extent=extent,origin='lower')
plt.subplot(234)
u3 = sudu[0:5184,3].reshape(81,64)
plt.imshow(u3,extent=extent,origin='lower')
#plt.axis("equal")
plt.subplot(235)
u4 = sudu[0:5184,4].reshape(81,64)
plt.imshow(u4,extent=extent,origin='lower')
plt.subplot(236)
u5 = sudu[0:5184,4].reshape(81,64)
plt.imshow(u5,extent=extent,origin='lower')
#contour
cs = plt.contour(u5, 20,extent = extent)
plt.xlim(-0.8,0.8)
plt.ylim(0.6,2.2)
plt.axis('equal')

python的科学计算功能与matlab及其相似，python有几点不同在于

1.python有元组的数据类型，元组不同于列表，元组不可更改

2.python的数据检索使用[]

总而言之，python的数据形式及其丰富。

numpy以及pandas是python用于数据处理的两个库，具体使用方法主要推荐python科学计算这本书。matplotlib用于绘图，刚也说了，其调色板很厉害哦，图像质量不错。

预告：代码运行环境均为jupyter notebook，简直神器一般的存在，网上搭建的资料也太多。

相关推荐：

Python实现的求解最小公倍数算法示例

Das obige ist der detaillierte Inhalt vonStapelverarbeitung von Datendateien und wissenschaftliche Berechnungsmethoden auf Basis von Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!