[PYTHON] OpenFOAM-Zeitreihendaten lesen und Daten einstellen

Überblick

Ich habe eine Funktion zum Lesen von OpenFOAM-Zeitreihendaten und zum Festlegen von Daten (vom Beispielbefehl ausgegebene räumliche Verteilungsdaten) in Python erstellt und das Plotten mit matplotlib vereinfacht.

Grundsätzlich werden die Zeitreihendaten von OpenFOAM bei jedem Neustart in einem neuen Verzeichnis gespeichert. Es wird jedoch davon ausgegangen, dass sie mit dem Befehl cat verbunden sind, um eine einzelne Datei zu bilden.

Python-Code

Funktion zum Lesen von Zeitreihendaten

• case ist der Name der Falldatei In + Positionen können Sie die Standortinformationen der Zeitreihendaten in eine Liste einfügen.
• Variablen ist eine Liste physikalischer Größen (p, U usw.) von Zeitreihendaten
• Lesen Sie die Zeitreihendaten jeder Position gleichzeitig.
• Gibt Wörterbuchdaten mit der Zeichenfolge "Physical Quantity_Location" als Schlüssel und den tatsächlichen Daten als Ndarray als Wert zurück.

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

Funktionen zum Lesen von Satzdaten

Argumentbeschreibung

• case ist der Name der Falldatei
• Datei ist der Dateiname der Mengenangaben
• Liste der physikalischen Größen (p, U usw.), die Variablen ausgeben möchten
• setzt Da Daten mehrerer physikalischer Größen in eine Datei ausgegeben werden, wird jede physikalische Größe einzeln gelesen.
• Gibt Wörterbuchdaten mit der Zeichenfolge "Physical Quantity_Location" als Schlüssel und den tatsächlichen Daten als Datenrahmen als Wert zurück.

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

Grundstück mit Matplotlib

Zeichnen Sie die Daten mit matplotlib.

Angenommen, das Datenlayout ist wie folgt. test01 ist der Fallname.

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 und U sind Zeitreihendaten von Position A und B. center_p_k.xy sind die Verteilungsdaten zu den Zeitpunkten 0 und 10. ist.

Es gibt mehrere Fälle, und es wird davon ausgegangen, dass Sie problemlos ein Diagramm erstellen können, bei dem nur der Fallname geändert wird.

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)]

#Darstellung eines Satzes von Zeitreihendaten
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.,)

#Raumverteilungsdiagramm
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.,)