将ascii文件中的稀疏矩阵读入python

我有一个使用并行PETSc稀疏矩阵格式的Fortran代码

mpaij

我想对这些矩阵做一些分析，所以我想把它们读入python

我尝试了Fortran中的二进制输出和petsc4py中的二进制输入，但显然它们不兼容。Petsc HDF5输出创建了不可读的HDF5文件，因此我现在只能使用ASCII格式

在ascii中，矩阵如下所示：

Mat Object: 48 MPI processes
  type: mpiaij
row 0: (0, 0.934865)  (1, 0.00582401)  (2, -0.00125881)  (3, 0.000157352)  (10, 0.0212704)  (11, -9.37151e-05)  (12, 7.77296e-06)  (13, 1.15276e-06)  (20, -0.00457321)  (21, 9.31045e-06)  (22, -1.37541e-07)  (23, -3.00994e-07)  (30, 0.000571716)  (31, 5.82622e-07)  (32, -2.27908e-07)  (33, 4.55904e-08)  (3410, 0.0005718)  (3411, 3.14914e-06)  (3412, -5.83246e-07)  (3413, 5.58045e-08)  (3420, -0.00457491)  (3421, -3.91645e-05)  (3422, 6.62677e-06)  (3423, -5.10165e-07)  (3430, 0.0212818)  (3431, 0.000230778)  (3432, -3.75686e-05)  (3433, 2.57173e-06) 
row 1: (...)

---

有没有一种优雅的方法可以将其解析为python？

我不熟悉PETSc或其矩阵格式，但给定示例ASCII格式，当然可以将其转换为python中的任何其他矩阵格式。我假设该文件包含每个非零行的一行，并且每行中的数字对是列索引和相应的数字。对吗

你认为“优雅的方式”是个人的观点，对于堆栈溢出不是一个有效的问题，但是我可以试着指出一个工作解决方案的正确方向。

首先，在不知道所有细节的情况下，我认为正确的问题应该是“为什么Fortran中的二进制输出和petsc4py中的二进制输入不兼容？”如果你能解决这个问题，那可能是最好的解决方案。如果我没记错的话，Fortran代码支持不同的字节顺序，默认情况下可能使用大端格式，而Python通常使用小端格式。您可以在其中一个库函数中指定字节顺序，或者在必要时手动转换字节顺序。这可能是您首先要研究的问题

作为一种解决方法，您可以用Python解析ASCII格式以进行进一步处理。我假设您已经搜索了现有库，但找不到任何库，因此需要编写一些自定义代码。根据您的需要，“好”的解决方案将使用正则表达式，但一种快速而肮脏的方法是使用标准字符串方法和

eval（）

函数，因为ASCII格式已经非常类似于Python语法：-）

注意：仅当您信任输入文件时才使用

eval（）

函数，因为它容易受到代码注入攻击！对于个人使用，这通常不是问题

下面我提供了一些示例代码。这将完成基本的输入处理。如何处理数据取决于您自己，因此您需要自己完成代码。这个示例代码只是打印数字

def read\u mpaij（文件）：
lines=file.read（）.splitlines（）
在[0]行中断言“Mat Object:”
断言行[1]=“类型：mpaij”
对于行中的行[2:]：
零件=行。拆分（“：”）
断言长度（部分）=2
断言部分[0]。StartWith（'行'）
行索引=int（部分[0][4:]）
行内容=eval（部分[1]。替换（'）（'），'），（'））
#这里有行索引和元组（列索引，值）
#指定非零内容的对。你可以处理这个
#根据您的需要，例如，将值存储在数组中。
对于行内容中的（列索引，值）：
打印（'行%d，列%d:%s'（行索引，列索引，值））
#TODO:在这里实现真正的代码。
#您可能希望执行以下操作：
#数据[行索引][列索引]=值
def main（）：
以open（'input.txt'，'rt'，encoding='ascii'）作为文件：
读取（文件）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
main（）

输出：

第0行第0列：0.934865
第0行第1列：0.00582401
第0行第2列：-0.00125881
第0行第3列：0.000157352
第0行第10列：0.021274
第0行第11列：-9.37151e-05
第0行第12列：7.77296e-06
第0行第13列：1.15276e-06
第0行第20列：-0.00457321
第0行第21列：9.31045e-06
第0行第22列：-1.37541e-07
第0行第23列：-3.00994e-07
第0行第30列：0.000571716
第0行第31列：5.82622e-07
第0行第32列：-2.27908e-07
第0行第33列：4.55904e-08
第0行第3410列：0.0005718
第0行第3411列：3.14914e-06
第0行第3412列：-5.83246e-07
第0行第3413列：5.58045e-08
第0行第3420列：-0.00457491
第0行第3421列：-3.91645e-05
第0行第3422列：6.62677e-06
第0行第3423列：-5.10165e-07
第0行第3430列：0.0212818
第0行第3431列：0.000230778
第0行第3432列：-3.75686e-05
第0行第3433列：2.57173e-06
...

正则表达式是你的朋友。比如说：

for recnum, rec in enumerate(fh.readlines()):
    mat = re.match(r'row\s*(\d+):\s*(.*)', rec)
    if (not mat): raise IOError("Bad data at rec %d." % (recnum))
    rowNum = int(mat.group(1))
    rest = mat.group(2)
    lastColNum = -1
    for col in re.finditer(r'\(\d+),\s*(\d+\.\d*\)', rest):
        colNum = int(mat.group(1))
        if (colNum <= lastColNum):
            raise KeyError("colNum out of order at rec %d." % (colNum, recNum))
        value = float(mat.group(2))
        # save cell, like via numpy tbl[rowNum, colNum] = value

对于recnum，枚举中的rec（fh.readlines（））：
mat=re.match（r'row\s*（\d+）:\s*（.*），rec）
if（非mat）：引发IOError（“记录%d.”%处的错误数据（记录数量））
rowNum=int（材料组（1））
剩余=材料组（2）
lastColNum=-1
对于re.finditer（r'\（\d+）\s*（\d+\.\d*）'中的列，rest）：
colNum=int（材料组（1））
if（colNum）