Python 操作.dat文件并打印累积数据

我想从一个乏味的.dat

文件中绘制一个量，文件中的#time列从0扩展到70，但我需要仔细查看从25到35秒的数据（在本例中是核能）

我想知道是否有一种方法可以操纵时间列和相应的其他列，只记录和绘制所需时间跨度的数据

我已经有了一些代码，可以在0-70年代为我完成这项工作：

import matplotlib
matplotlib.use('Agg')

import os
import numpy as np
import matplotlib.pyplot as plt
import string
import math



# reads from flash.dat
def getQuantity(folder, basename, varlist):

        # quantities[0] should contain only the quantities of varlist[0]        
        quantities =[]
        for i in range(len(varlist)):
                quantities.append([])

        with open(folder + "/" + basename + ".dat", 'r') as f: # same as f = open(...) but closes the file afterwards.

                for line in f:
                        if not ('#' or 'Inf')  in line: # the first line and restarting lines look like this.   

                                  for i in range(len(varlist)):
                                        if(varlist[i]==NUCLEAR_ENERGY and len(quantities[i])>0):
                                                quantities[i].append(float(line.split()[varlist[i]])+quantities[i][-1])
                                        else:
                                                quantities[i].append(float(line.split()[varlist[i]]))


        return quantities
# end def getQuantity

#create plot
plt.figure(1)

TIME = 0

NUCLEAR_ENERGY = 18

labels = ["time", "Nuclear Energy"]


flashFolder1 = '/home/trina/Pictures' # should be the flash NOT the flash/object folder.
lab1 = '176'


filename = 'flash' # 'flash' for flash.dat
nHorizontal = 1 # number of Plots in Horizontal Direction. Vertical Direction is set by program.
outputFilename = 'QuantityPlots_Nuclear.png'

variables = [NUCLEAR_ENERGY]


#Adjustments to set the size
nVertical = math.ceil(float(len(variables))/nHorizontal)   # = 6 for 16 = len(variables) & nHorizontal = 3.
F = plt.gcf()           #get figure
DPI = F.get_dpi()
DefaultSize = F.get_size_inches()
F.set_size_inches( DefaultSize[0]*nHorizontal, DefaultSize[1]*nVertical )       #build no of subplots in figure

variables.insert(0,TIME) # time as needed as well
data1 = getQuantity(flashFolder1, filename, variables)
time1 = np.array(data1[0])      #time is first column



for n in [n+1 for n in range(len(variables)-1)]: #starts at 1
        ax=plt.subplot(nVertical, nHorizontal, n)   #for example (6,3,0 to 15) inside loop for 16 variables
        if (min(data1[n])<0.0 or abs((min(data1[n]))/(max(data1[n])))>=1.e-2):
                plt.plot(time1, data1[n],label=lab1) #, label = labels[variables[n]])
                legend = ax.legend(loc='upper right', frameon=False)

        else:
                plt.semilogy(time1, data1[n],label=lab1) #, label = labels[variables[n]])
                legend = ax.legend(loc='upper right', frameon=False)

plt.savefig(outputFilename)

导入matplotlib
matplotlib.use（'Agg'）
导入操作系统
将numpy作为np导入
将matplotlib.pyplot作为plt导入
导入字符串
输入数学
#从flash.dat读取
def getQuantity（文件夹、基本名称、变量列表）：
#数量[0]应仅包含varlist[0]的数量
数量=[]
对于范围内的i（len（varlist））：
数量。追加（[]）
将open（folder+“/”+basename+“.dat”，“r”）作为f:#与f=open（…）相同，但随后关闭文件。
对于f中的行：
如果行中没有（“#”或“Inf”）：#第一行和重新启动行如下所示。
对于范围内的i（len（varlist））：
如果（varlist[i]==核能和len（数量[i]）>0：
数量[i].append（float（line.split（）[varlist[i]]）+数量[i][1]）
其他：
数量[i].append（float（line.split（）[varlist[i]]））
退货数量
#结束def获取数量
#创建绘图
plt.图（1）
时间=0
核能=18
标签=[“时间”，“核能”]
flashFolder1='/home/trina/Pictures'#应该是flash而不是flash/object文件夹。
lab1='176'
filename='flash'#'flash'用于flash.dat
nHorizontal=1#水平方向上的绘图数量。垂直方向由程序设置。
outputFilename='QuantityPlots\u Nuclear.png'
变量=[核能]
#调整以设置大小
nVertical=math.ceil（float（len（variables））/nHorizontal）#=6表示16=len（variables）&nHorizontal=3。
F=plt.gcf（）#获取数字
DPI=F.获取DPI（）
DefaultSize=F.获取大小英寸（）
F.设置尺寸（默认尺寸[0]*n水平，默认尺寸[1]*n垂直）#图中子地块的建造数量
变量。根据需要插入（0，时间）#时间
data1=getQuantity（flashFolder1、文件名、变量）
time1=np.array（data1[0]）#time是第一列
对于n in[n+1对于n in范围（len（变量）-1）]：#从1开始
ax=plt.子批次（nVertical，nHorizontal，n）#例如16个变量的循环内部（6,3,0到15）
如果（min（data1[n]）=1.e-2）：
plt.plot（time1，data1[n]，label=lab1）#，label=lables[variables[n]]
图例=ax.图例（loc='右上角'，frameon=False）
其他：
plt.符号学（time1，data1[n]，label=lab1）#，label=lables[variables[n]]
图例=ax.图例（loc='右上角'，frameon=False）
plt.savefig（输出文件名）

下面是我可以从这段代码生成的图：


为了您的方便，我也在共享
.dat
文件：


非常感谢您的建议。
更新：绘制累积核能：

x = df.query('25 <= time <= 35').set_index('time')
x['cum_nucl_energy'] = x.Nuclear_Energy.cumsum()
x.cum_nucl_energy.plot(figsize=(12,10))

x=df.query（'25更新：绘制累积核能：

x = df.query('25 <= time <= 35').set_index('time')
x['cum_nucl_energy'] = x.Nuclear_Energy.cumsum()
x.cum_nucl_energy.plot(figsize=(12,10))

x=df.query（'25我找不到
Nuclear Energy
column…要绘制哪一列？该列是.dat文件中的第19列，名为“increment”你不使用熊猫的原因是什么？这是一种可以让你的生活更轻松的情况。嗯，我可以使用熊猫，但我只是不知道如何操作熊猫中的列，我使用了完整的数据来绘制相同的图形。我找不到核能列…你想绘制什么列？那是cColumn是.dat文件中的第19个，名为“increment”，无论您为什么不使用
pandas
？这是一种可以让您的生活更轻松的情况。嗯，我可以使用pandas来实现这一点，但我只是不知道如何操作pandas中的列，我使用了完整的数据来绘制相同的结果figure@bhjghjh，很高兴我能帮忙：）.我发布了一个更好的版本，使用了
ggplot
样式…非常感谢，不过我有一点疑问，这个数字表示每个时间步的数据，有没有办法让它累积起来，就像我在我的图中所做的那样？@bhjghj，你能解释一下你是如何让它“累积”的吗？好的，就像每个时间步一样，它会将数据与之前的时间步数据一起添加，比如：sum=newsum+sum，这样它会给你累计数据……（对不起，我不是程序员，不知道它的确切名称，英语也不是我的第一语言）@bhjghhh，我已经更新了我的答案-这是你想要的吗？@bhjghhh，很高兴我能帮上忙：）. 我发布了一个更好的版本，使用了
ggplot
风格…非常感谢，不过我有一个小小的疑问，这个数字表示每个时间步的数据，有没有办法让它累积，就像我在我的数字中所做的那样？@bhjghj，你能解释一下你是如何让它“累积”的吗，就像每个时间步一样，它会将数据与之前的时间步数据一起添加，比如：sum=newsum+sum，这样它会给你累计数据……（对不起，我不是程序员，不知道它的确切名称，英语也不是我的第一语言）@bhjghj，我已经更新了我的答案-这就是你想要的吗？
In [43]: pd.options.display.max_rows
Out[43]: 50

In [44]: pd.options.display.max_rows = 12

In [45]: df
Out[45]:
               time  Nuclear_Energy
0      0.000000e+00    0.000000e+00
1      1.000000e-07   -4.750169e+29
2      2.200000e-07   -5.699325e+29
3      3.640000e-07   -6.838392e+29
4      5.368000e-07   -8.206028e+29
5      7.441600e-07   -9.837617e+29
...             ...             ...
10210  6.046702e+01    7.160630e+44
10211  6.047419e+01    7.038907e+44
10212  6.048137e+01    6.934600e+44
10213  6.048856e+01    6.847015e+44
10214  6.049577e+01    6.765220e+44
10215  6.050298e+01    6.661930e+44

[10216 rows x 2 columns]

In [46]: df.query('25 <= time <= 35')
Out[46]:
           time  Nuclear_Energy
4534  25.001663    1.559398e+43
4535  25.006781    1.567793e+43
4536  25.011900    1.575844e+43
4537  25.017021    1.583984e+43
4538  25.022141    1.592015e+43
4539  25.027259    1.600200e+43
...         ...             ...
6521  34.966427    8.181516e+41
6522  34.972926    8.538806e+41
6523  34.979425    8.913695e+41
6524  34.985925    9.304403e+41
6525  34.992429    9.731310e+41
6526  34.998941    1.019862e+42

[1993 rows x 2 columns]

In [47]: df.query('25 <= time <= 35').set_index('time')
Out[47]:
           Nuclear_Energy
time
25.001663    1.559398e+43
25.006781    1.567793e+43
25.011900    1.575844e+43
25.017021    1.583984e+43
25.022141    1.592015e+43
25.027259    1.600200e+43
...                   ...
34.966427    8.181516e+41
34.972926    8.538806e+41
34.979425    8.913695e+41
34.985925    9.304403e+41
34.992429    9.731310e+41
34.998941    1.019862e+42

[1993 rows x 1 columns]