有选择地分析大数据流

Question

任务：

-我模拟了一个分子的振动，每0.1飞秒拍一张原子所在位置的“快照”

-现在我需要遍历输出并获取所有这些不同的笛卡尔坐标集（总共50个）。你知道吗

-几何体的格式很好，但是在几何体段之间有具有相同格式的额外内容（参见示例）。你知道吗

示例（这是我试图解析的文件中50个相同的片段之一，只有16个原子，而不是4个原子。）

  Time in trajectory (femtosec)    3.300000D+00
 Total energy (au)  -2.716055737D+02
 Total angular momentum (h-bar)   5.485831060D-14
 Coordinates (Bohr)
 I=    1 X=  -1.573316541788D+00 Y=  -3.143098097327D-01 Z=  -9.488852008364D-01
 I=    2 X=  -1.549056004901D+00 Y=  -3.758762443395D-01 Z=   1.621875214114D+00
 I=    3 X=   7.633881398143D-01 Y=  -3.853052819189D-01 Z=   3.487630749614D-01
 I=    4 X=   2.390273062744D+00 Y=   1.832192143047D+00 Z=   6.235281069720D-01


 Momentum (sqrt(amu)*Bohr/sec)
 I=    1 X=  -3.536362458214D+13 Y=   2.431139678255D+13 Z=   1.413087646815D+13
 I=    2 X=  -2.526353110947D+13 Y=  -2.551987667221D+12 Z=   7.250485757030D+12
 I=    3 X=  -1.190415840625D+13 Y=  -1.311816871612D+13 Z=  -4.638293368564D+12
 I=    4 X=   6.566472312459D+12 Y=  -2.248922363477D+13 Z=  -4.123675084717D+11

我想它如果有某种方法来循环文件和读取坐标，然后跳过动量信息，并剥离所有额外的信息，以及如I=，X=等

我在想，如果我能把它放到一个3D numpy数组中，我的坐标将被索引为：（迭代数，原子数，x y或z坐标）。我不知道正则表达式在这里是否会有很大帮助，因为动量部分的行有相同的格式。你们中有谁能给我一个正确的方向？你知道吗

资源去与答案将不胜感激，我没有一个时间范围内的工作，所以我希望在这里学到一些东西。你知道吗

Answer 1

您可以使用numpy.genfromtxt()，它接受一个生成器，因此允许在您提供的输入中进行一些定制。例如，这里我用e替换D，并忽略以'M'和'C'开头的所有行。另外，我只使用包含所需数据的(3, 5, 7)列。最后，重新调整数组的形状，使每个“动量”彼此分离，并可通过第一个索引访问（假设它们始终有4行）：

gen = (r.replace('D','e') for r in open('test.txt') if not r[0] in ['C','M'])
a = np.genfromtxt(gen, skip_header=3, usecols=(3, 5, 7))
a = a.reshape(-1, 4, 3)

#[[[ -1.57331654e+00  -3.14309810e-01  -9.48885201e-01]
#  [ -1.54905600e+00  -3.75876244e-01   1.62187521e+00]
#  [  7.63388140e-01  -3.85305282e-01   3.48763075e-01]
#  [  2.39027306e+00   1.83219214e+00   6.23528107e-01]]
#
# [[ -3.53636246e+13   2.43113968e+13   1.41308765e+13]
#  [ -2.52635311e+13  -2.55198767e+12   7.25048576e+12]
#  [ -1.19041584e+13  -1.31181687e+13  -4.63829337e+12]
#  [  6.56647231e+12  -2.24892236e+13  -4.12367508e+11]]]

在此数组中，您将使用第一、第二和第三个索引访问动量I和（X，Y，Z）：

a[0,1,2] #first momentum, second I and third coordinate