如何用NumPy数组高效存储不同温度文件的列数据并便捷访问

问题背景 #

有多个对应不同温度的TSV文件，每个文件包含250行数据，需要将每个文件的第1、2列存入NumPy数组，实现按温度分列存储，且能便捷访问各温度的两列数据用于绘图。原代码仅能存储单个温度文件第一列的首个值，需修正逻辑。

原代码核心问题 #

1. 数组维度错误：positions和inphase初始化为一维数组（长度等于温度数量），无法容纳每个温度对应的250行数据。
2. 赋值逻辑混乱：遍历所有列并重复将列的首个值赋值给positions，导致数据被反复覆盖，最终仅保留无效值。
3. 分隔符与列选择不当：用多个空格作为分隔符易出错，且未指定仅读取需要的前两列，引入多余数据干扰逻辑。

修正方案 #

提供两种实现方式，按需选择：

方式1：字典存储（推荐，直观易访问）

用字典将温度作为键，对应值为该温度文件的第1、2列数组，直接通过温度值即可获取对应数据。

import numpy as np

temperature = [8, 10]
rootfile = r'C:\root\temperature_MnTe2__'  # 用原始字符串避免路径转义问题

# 初始化字典存储每个温度的两列数据
temp_data = {}
for t in temperature:
    # 仅读取文件第1、2列（索引0和1），跳过23行表头
    col1, col2 = np.genfromtxt(
        f"{rootfile}{t}.0K.tsv",
        delimiter='\t',  # TSV文件默认用制表符分隔，比空格更可靠
        skip_header=23,
        usecols=(0, 1),
        unpack=True
    )
    temp_data[t] = (col1, col2)

# 访问示例
positions_8k = temp_data[8][0]  # 获取8K温度的第一列数据
inphase_8k = temp_data[8][1]    # 获取8K温度的第二列数据

方式2：二维数组存储（适合批量处理）

用二维数组按列存储不同温度的数据，每一列对应一个温度的250行数据。

import numpy as np

temperature = [8, 10]
rootfile = r'C:\root\temperature_MnTe2__'
data_rows = 250  # 每个文件固定250行数据

# 初始化二维数组：行=数据行数，列=温度数量
positions = np.zeros((data_rows, len(temperature)))
inphase = np.zeros((data_rows, len(temperature)))

for idx, t in enumerate(temperature):
    col1, col2 = np.genfromtxt(
        f"{rootfile}{t}.0K.tsv",
        delimiter='\t',
        skip_header=23,
        usecols=(0, 1),
        unpack=True
    )
    positions[:, idx] = col1  # 将当前温度的第一列存入对应列
    inphase[:, idx] = col2    # 将当前温度的第二列存入对应列

# 访问示例
positions_10k = positions[:, 1]  # 获取10K温度的第一列数据（索引1对应temperature列表中的第二个元素）

关键优化点 #

• 用usecols=(0,1)精准指定读取前两列，避免冗余数据。
• TSV文件使用delimiter='\t'作为分隔符，解决多空格分隔的不确定性。
• 匹配数组维度与数据量，确保能容纳所有行的数据。
• 两种存储方式分别适配直观访问和批量处理的需求，便于后续绘图操作。

内容的提问来源于stack exchange，提问作者valit