Lecture des données de séries chronologiques OpenFOAM et des ensembles de données

Aperçu

J'ai créé une fonction pour lire les données de séries chronologiques OpenFOAM et les ensembles de données (données de distribution spatiale générées par la commande exemple) en Python, et simplifié le traçage avec matplotlib.

En principe, les données de série chronologique d'OpenFOAM sont enregistrées dans un nouveau répertoire à chaque redémarrage, mais on suppose qu'elles sont jointes avec la commande cat pour former un seul fichier.

Code Python

Fonction de lecture des données de séries chronologiques

• case est le nom du dossier Dans les positions +, vous pouvez placer les informations de localisation des données de la série chronologique dans une liste.
• Variables est une liste de grandeurs physiques (p, U, etc.) de données chronologiques
• Lisez les données de la série chronologique de chaque position à la fois.
• Renvoie les données du dictionnaire avec la chaîne de caractères "physical quantity_location" comme clé et les données réelles comme ndarray comme valeur.

def readHistory(case, positions, variables):
    import numpy as np
    
    """
    case: case name (string data)
    positions: position name (list data)
    variables: physical quantities (list data)
    """
    
    data ={}

    for position in positions:
        for variable in variables:
            key = variable+"_"+position
            value = np.genfromtxt(case+"/"+position+"/"+variable, unpack=True)
            data[key] = value
        
    return data

fonctions de lecture des données des ensembles

Description de l'argument

• case est le nom du dossier
• file est le nom de fichier des données d'ensemble
• Liste des grandeurs physiques (p, U, etc.) que les variables veulent sortir
• ensembles Puisque les données de plusieurs quantités physiques sont sorties dans un seul fichier, chaque quantité physique est lue individuellement.
• Renvoie les données du dictionnaire avec la chaîne de caractères "physical Quantity_location" comme clé et les données réelles comme dataframe comme valeur.

def readSets(case, file, variables):
    import numpy as np
    import pandas as pd
    import glob
    import os
    
    """
    case: case name (string data)
    file: sets data file name (string data)
    variables: physical quantities (list data)
    """

    # list of timing
    list1 = glob.glob(case + "/sets/*")
    
    variable_names = file.split("_")
    # remove ".xy" 
    variable_names[-1] = variable_names[-1].split(".")[0]
    position, variable_names[0] = variable_names[0], "x"
    #print(variable_names)
        
    data = {}
    for variable in variables:
        key = variable+"_"+position
        data[key] = pd.DataFrame()
        
        for i in list1:
            path = i+"/" + file
            df = pd.read_table(path, header = None, names = variable_names)   
            data[key] = pd.concat([data[key], df[variable]], axis=1,)
    
        list_index=[]    
        for i in list1:
            list_index.append(str(float(os.path.basename(i))))
    
        data[key].columns = list_index
        data[key] = pd.concat([df[variable_names[0]], data[key].sort_index(axis=1)], axis=1)
    
    # return dictionary of dataframe
    return data

Tracer avec matplotlib

Tracez les données avec matplotlib.

Supposons que la disposition des données soit la suivante. test01 est le nom du cas.

test01/position-A/p test01/position-A/U test01/position-B/p test01/position-B/U test01/sets/0/center_p_k.xy test01/sets/10/center_p_k.xy

p et U sont des données de séries chronologiques de position-A et B center_p_k.xy correspond aux données de distribution aux instants 0 et 10. est.

Il existe plusieurs cas, et il est conçu en supposant que vous pouvez facilement créer un tracé avec seulement le nom de cas modifié.

import matplotlib.pyplot as plt
%matplotlib inline

case = "test01"
history_position = ["position-A", "position-B"]
history_variables = ["p", "U"]
sets_variables = ["p", "k"]
sets_position = "center"
dataSet_test01= [readHistory(case, history_position, history_variables), 
                  readSets(case, "center_p_k.xy", sets_variables)]

#Tracé d'un ensemble de données de séries chronologiques
for i in history_position:
    for j in history_variables:
        fig = plt.figure(figsize=(8,8))
        ax = fig.add_subplot(111)

        ax.plot(dataSet_test01[0][j+"_"+i][0], dataSet_test01[0][j+"_"+i][1], label=j)
        ax.legend(bbox_to_anchor=(1.01, 1., 0., 0), loc='upper left', borderaxespad=0.,)

#Diagramme de distribution spatiale
for sets in sets_variables:
    for column in dataSet_test01[1][sets+"_"+sets_position]:
        fig = plt.figure(figsize=(8,8))
        ax = fig.add_subplot(111)
    
        ax.plot(dataSet_test01[1][sets+"_"+sets_position]["x"], 
            dataSet_test01[1][sets+"_"+sets_position][column], 
            label=sets+"_"+column)
        ax.legend(bbox_to_anchor=(1.01, 1., 0., 0), loc='upper left', borderaxespad=0.,)