缩短Python程序

我有22个文件具有相同的字段/列名。我使用PyFit加载它们，例如：

hdulist1 = pyfits.open('/home/ssridhar/mock_test_files/Roncarelli_test/roncarelli_dist_halo1.fits')
hdulist2 = pyfits.open('/home/ssridhar/mock_test_files/Roncarelli_test/roncarelli_dist_halo2.fits')

然后我加载22个文件的表数据

tbdata1 = hdulist1[1].data
tbdata2 = hdulist2[1].data

因为所有的字段名都是相同的，所以我说

fields = ['ra','dec','zcosmo','r200','m200','is_central','r']

并将变量从1到22（var1、var2等）分配给如下字段：

var1 = dict((f, tbdata1.field(f)) for f in fields)
var2 = dict((f, tbdata2.field(f)) for f in fields)

现在，我使用np.histogram查找22个文件的一些值：

N_1, r_hist_1 = np.histogram(var1['r'], bins=20, range=None, normed=False, weights=None)
N_2, r_hist_2 = np.histogram(var2['r'], bins=20, range=None, normed=False, weights=None)

dist_1 = r_hist_1[1]
area_1 = [math.pi*(R**2-r**2) for R, r in zip(dist_1[1:], dist_1)]
sigma_num_1 = N_1/area_1

现在，我使用公式找出不同文件的变量sigma_num_1和sigma_num_2的值，同样：

N_1, r_hist_1 = np.histogram(var1['r'], bins=20, range=None, normed=False, weights=None)
N_2, r_hist_2 = np.histogram(var2['r'], bins=20, range=None, normed=False, weights=None)

dist_1 = r_hist_1[1]
area_1 = [math.pi*(R**2-r**2) for R, r in zip(dist_1[1:], dist_1)]
sigma_num_1 = N_1/area_1

代码运行良好，并给出了sigma_num_1、sigma_num_2等的结果

我不想为22个文件中的每一个都写上面三行来查找sigma_num_3到sigma_num_22。

---

有办法吗。找到sigma的所有22个值后，我需要找到所有这22个值的平均值。

使用嵌套字典，为其分配22个键，并将每个数据点作为子字典存储在主字典中

e、 g

---

使用嵌套字典，为其分配22个键，并将每个数据点作为子字典存储在主字典中

e、 g

使用列表和循环

hdulist = []
fits_path= '/home/ssridhar/mock_test_files/Roncarelli_test/roncarelli_dist_halo%i.fits'
for number in range(1,23):
    hdulist.append(pyfits.open(fits_path % number)
tbdata = [hdu[1].data for hdu in hdulist]

等等。

使用列表和循环

hdulist = []
fits_path= '/home/ssridhar/mock_test_files/Roncarelli_test/roncarelli_dist_halo%i.fits'
for number in range(1,23):
    hdulist.append(pyfits.open(fits_path % number)
tbdata = [hdu[1].data for hdu in hdulist]

---

等等。

您不需要为每个值指定一个变量名。您可以使用来存储所有值，同时提供一种方便的方法来引用每个值。诀窍是提取在同一类型变量的不同出现之间发生变化的部分，例如，

hdulist1

和

hdulist2

之间有什么不同

例如，您可以创建

hdulist

s，方法是将它们放入一个列表中，并使用

format

字符串方法形成每个

open

语句：

hdulists = []
for n in range(1, 23):   # range is exclusive so you get 1-22
    hdulists.append(
        pyfits.open(
            ('/home/ssridhar/mock_test_files/Roncarelli_test'
            '/roncarelli_dist_halo{0}.fits').format(n)
        )
     )

这也可以在列表中完成：

hdulists = [pyfits.open(
                ('/home/ssridhar/mock_test_files/Roncarelli_test'
                '/roncarelli_dist_halo{0}.fits').format(n)
            ) for n in range(1, 23)]

现在，您需要记住的唯一一件事是python列表从索引0开始，因此您将引用以前的

hdulist1

作为

hdulists[0]

，依此类推

但是你可以变得更聪明，在一个函数中一次完成所有这些步骤，这个函数将返回你想要的结果。然后为每个

.fits

文件运行该函数

def sigma_num(n):
    fields = ['ra','dec','zcosmo','r200','m200','is_central','r']
    hdulist = pyfits.open(
                  ('/home/ssridhar/mock_test_files/Roncarelli_test'
                  '/roncarelli_dist_halo{0}.fits').format(n)
              )
    var = dict((f, hdulist[1].data.field(f)) for f in fields)
    N, r_hist = np.histogram(var['r'], bins=20, range=None, normed=False, weights=None)
    area = [math.pi*(R**2-r**2) for R, r in zip(r_hist[1:], r_hist)]
    return N/area

现在您可以调用

sigma\u num（3）

和

sigma\u num（22）

来获取您过去所称的

sigma\u num\u 3

和

sigma\u num\u 22

要找到平均值，您可以使用我之前介绍的迭代范围的技术：

sigma_nums = []
for n in range(1, 23):
    sigma_nums.append(sigma_num(n))
avg_sigma_num = sum(sigma_nums)/len(sigma_nums)

sum

和

len

是。您还可以将上述内容抽象为一个列表理解，或者更好的是，一个函数

编辑：由于您要求单独提供

tbdata

s，请将该函数的该部分分离为一个助手函数。

sigma_num

可以调用helper函数：

def tbdata(n):
    """ helper function """
    hdulist = pyfits.open(
                  ('/home/ssridhar/mock_test_files/Roncarelli_test'
                  '/roncarelli_dist_halo{0}.fits').format(n)
              )
    return hdulist[1].data

def sigma_num(n):
    fields = ['ra','dec','zcosmo','r200','m200','is_central','r']
    tbdata = tbdata(n)
    var = dict((f, tbdata.field(f)) for f in fields)
    N, r_hist = np.histogram(var['r'], bins=20, range=None, normed=False, weights=None)
    area = [math.pi*(R**2-r**2) for R, r in zip(r_hist[1:], r_hist)]
    return N/area

---

您不需要为每个值指定一个变量名。您可以使用来存储所有值，同时提供一种方便的方法来引用每个值。诀窍是提取在同一类型变量的不同出现之间发生变化的部分，例如，

hdulist1

和

hdulist2

之间有什么不同

例如，您可以创建

hdulist

s，方法是将它们放入一个列表中，并使用

format

字符串方法形成每个

open

语句：

hdulists = []
for n in range(1, 23):   # range is exclusive so you get 1-22
    hdulists.append(
        pyfits.open(
            ('/home/ssridhar/mock_test_files/Roncarelli_test'
            '/roncarelli_dist_halo{0}.fits').format(n)
        )
     )

这也可以在列表中完成：

hdulists = [pyfits.open(
                ('/home/ssridhar/mock_test_files/Roncarelli_test'
                '/roncarelli_dist_halo{0}.fits').format(n)
            ) for n in range(1, 23)]

现在，您需要记住的唯一一件事是python列表从索引0开始，因此您将引用以前的

hdulist1

作为

hdulists[0]

，依此类推

但是你可以变得更聪明，在一个函数中一次完成所有这些步骤，这个函数将返回你想要的结果。然后为每个

.fits

文件运行该函数

def sigma_num(n):
    fields = ['ra','dec','zcosmo','r200','m200','is_central','r']
    hdulist = pyfits.open(
                  ('/home/ssridhar/mock_test_files/Roncarelli_test'
                  '/roncarelli_dist_halo{0}.fits').format(n)
              )
    var = dict((f, hdulist[1].data.field(f)) for f in fields)
    N, r_hist = np.histogram(var['r'], bins=20, range=None, normed=False, weights=None)
    area = [math.pi*(R**2-r**2) for R, r in zip(r_hist[1:], r_hist)]
    return N/area

现在您可以调用

sigma\u num（3）

和

sigma\u num（22）

来获取您过去所称的

sigma\u num\u 3

和

sigma\u num\u 22

要找到平均值，您可以使用我之前介绍的迭代范围的技术：

sigma_nums = []
for n in range(1, 23):
    sigma_nums.append(sigma_num(n))
avg_sigma_num = sum(sigma_nums)/len(sigma_nums)

sum

和

len

是。您还可以将上述内容抽象为一个列表理解，或者更好的是，一个函数

编辑：由于您要求单独提供

tbdata

s，请将该函数的该部分分离为一个助手函数。

sigma_num

可以调用helper函数：

def tbdata(n):
    """ helper function """
    hdulist = pyfits.open(
                  ('/home/ssridhar/mock_test_files/Roncarelli_test'
                  '/roncarelli_dist_halo{0}.fits').format(n)
              )
    return hdulist[1].data

def sigma_num(n):
    fields = ['ra','dec','zcosmo','r200','m200','is_central','r']
    tbdata = tbdata(n)
    var = dict((f, tbdata.field(f)) for f in fields)
    N, r_hist = np.histogram(var['r'], bins=20, range=None, normed=False, weights=None)
    area = [math.pi*(R**2-r**2) for R, r in zip(r_hist[1:], r_hist)]
    return N/area

---

基本上，对于要计算“sigma”的每个文件。因此，您可以创建一个函数，将file作为参数，并返回“sigma”

您可以将所有文件存储在一个列表中，并在循环列表时调用此函数。您可以将“sigmas”存储在另一个列表中。比如：

>>> def sigma(file):
...     pass
... 
>>> files = ["a", "b"]
>>> sigmas = []
>>> for f in files:
...     sigmas.append(sigma(f)
... 
>>> sigmas
[None, None]

---

基本上，对于要计算“sigma”的每个文件。因此，您可以创建一个函数，将file作为参数，并返回“sigma”

您可以将所有文件存储在一个列表中，并在循环列表时调用此函数。您可以将“sigmas”存储在另一个列表中。比如：

>>> def sigma(file):
...     pass
... 
>>> files = ["a", "b"]
>>> sigmas = []
>>> for f in files:
...     sigmas.append(sigma(f)
... 
>>> sigmas
[None, None]

---

首先，创建一个函数来处理单个文件并计算其sigma

def find_sigma(n):
    fields = ['ra','dec','zcosmo','r200','m200','is_central','r']
    hdulist = pyfits.open('/home/ssridhar/mock_test_files/Roncarelli_test/roncarelli_dist_halo%d.fits' % n)
    tbdata = hdulist[1].data
    var = dict((f, tbdata.field(f)) for f in fields)
    N, r_hist = np.histogram(var['r'], bins=20, range=None, normed=False, weights=None)
    dist = r_hist[1]
    area = [math.pi*(R**2-r**2) for R, r in zip(dist[1:], dist)]
    sigma_num = N/area

    return sigma_num

然后简单地使用列表理解来找到平均值：

average_sigma = sum([find_sigma(i) for i in range(1, 23)]) / 23.0

---

首先，创建一个函数来处理单个文件并计算其sigma

def find_sigma(n):
    fields = ['ra','dec','zcosmo','r200','m200','is_central','r']
    hdulist = pyfits.open('/home/ssridhar/mock_test_files/Roncarelli_test/roncarelli_dist_halo%d.fits' % n)
    tbdata = hdulist[1].data
    var = dict((f, tbdata.field(f)) for f in fields)
    N, r_hist = np.histogram(var['r'], bins=20, range=None, normed=False, weights=None)
    dist = r_hist[1]
    area = [math.pi*(R**2-r**2) for R, r in zip(dist[1:], dist)]
    sigma_num = N/area

    return sigma_num

然后简单地使用列表理解来找到平均值：

average_sigma = sum([find_sigma(i) for i in range(1, 23)]) / 23.0

---

考虑创建一个输入文件列表。你知道函数是什么吗？但我不知道如何使用函数来缩短this@devnull你能解释更多吗？考虑创建一个输入文件的列表。你知道什么是函数吗？@黑熊是的。但我不知道如何使用函数来缩短this@devnull你能再解释一下吗？你能再解释一下吗？如果所有的键都被简单地命名为

somestring\un]

，其中

[n]

是一个计数器，那么把数据放在dict中是没有任何意义的-你可以使用一个列表。@DhruvPathak现在我该如何访问f