Python 3.x 优化读取txt文件所需的时间

我想减少读取txt文件所需的时间。该文件包含如下所示的x和y坐标：

{52.52, 13.38}
{53.55, 10.}
{48.14, 11.58}
{50.95, 6.97}
...

目前，读取和计算12000个坐标的实际位置大约需要0.06秒，但我希望在这一半时间内完成

def read_coordinate_file(filename):
points = []
file = open(filename, "r")
for line in file:
    a, b = line.strip("{}\n").split(",")
    points.append([get_x(float(b)), get_y(float(a))])
file.close()
return np.array(points)


def get_x(b, R=1):
return R*(pi*b)/180


def get_y(a, R=1):
temp = 90*pi+pi*a
return R*np.log(np.tan(temp/360))

---

如果我理解正确，这可以通过numpy数组实现。我试过使用np.loadtxt，但这比我当前的代码慢。有什么方法可以缩短计算时间吗？

肯定会同意这样的评论，即在Numpy中进行所有计算应该更快：

import numpy as np
from math import pi

def read_coordinate_file(filename):
    with open(filename, "r") as f:
        points = [tuple(map(float, line.strip("{}\n").split(','))) for line in f if line]
    arr = np.array(points, dtype=[('x','<f4'), ('y','<f4')])
    arr['x'] = arr['x'] * pi / 180
    arr['y'] = np.log(np.tan((90*pi + pi*arr['y'])/ 360))
    return arr
print(read_coordinate_file('data.txt'))

将numpy导入为np
从数学导入pi
def读取坐标文件（文件名）：
打开（文件名为“r”）作为f：
points=[f-if-line中的行的元组（map（float，line.strip（{}\n”）.split（'，'））]
arr=np.array（points，dtype=[（'x'，'s）这已经相当快了。在转换为Numpy数组后进行计算可能会得到改进。由于文本文件包含
{}
，因此常见的
csv
读取器将出现问题。一种变体是只收集
（float（b），float（A））
元组，然后在
上执行
获取x
和
获取y
处理（N，2）
float array.
np.log
，
np.tan
使用数组，但在使用标量时比
math
等效值慢。您可能会从中得到更好的建议，不要派人去查看代码-除非您在那里很活跃，并且准备自己回答这个问题。既然我返回了一个np.array，它应该去吗使用np.loadtxt，只使用np.array，而不使用列表？为了可读性，我会尝试将理解移到生成器中。