Beschleunigen Sie eine langsame Schleife in Abaqus-Python-Code zum Extrahieren von Stammdaten aus ODB-Datei

Question

Ich habe eine ODB-Datei namens plate2.odb, die ich die Stammdaten aus extrahieren möchte. Dazu habe ich den folgenden einfachen Code erstellt, der die Feldausgabe E (Dehnung) für jedes Element durchläuft und in einer Liste speichert.

from odbAccess import openOdb 
import pickle as pickle 

# import database 
odbname = 'plate2' 
path = './' 
myodbpath = path + odbname + '.odb' 
odb = openOdb(myodbpath) 

# load the strain values into a list 
E = [] 
for i in range(1000): 
    E.append(odb.steps['Step-1'].frames[0].fieldOutputs['E'].values[i].data) 

# save the data 
with open("mises.pickle", "wb") as input_file: 
    pickle.dump(E, input_file) 

odb.close() 

Die Ausgabe ist, die for-Schleife, die die Dehnungswerte in eine Liste lädt wird eine lange Zeit (35 Sekunden 1000 Elemente) nehmen. Bei dieser Rate (0,035 Abfragen/Sekunde) würde ich 2 Stunden brauchen, um die Daten für mein Modell mit 200.000 Elementen zu extrahieren. Warum dauert das so lange? Wie kann ich das beschleunigen?

Wenn ich eine Single-Strain-Abfrage außerhalb von Python lool mache dauert es 0,04 Sekunden, also weiß ich, dass dies kein Problem mit der Python-Schleife ist.

Answer 1

Ich fand heraus, dass ich die Unterverzeichnisse im ODB-Wörterbuch jedes Mal wieder öffnen musste, wenn ich eine Belastung wollte. Um das Problem zu beheben, habe ich daher das ODB-Objekt als ein kleineres Objekt gespeichert. Mein aktualisierter Code, der einen Bruchteil einer Sekunde zum Lösen benötigt, ist unten.

from odbAccess import openOdb 
import pickle as pickle 

# import database 
odbname = 'plate2' 
path = './' 
myodbpath = path + odbname + '.odb' 
odb = openOdb(myodbpath) 

# load the strain values into a list 
E = [] 
EE = odb.steps['Step-1'].frames[0].fieldOutputs['E'] 
for i in range(1000): 
    E.append(EE.values[i].data) 

# save the data 
with open("mises.pickle", "wb") as input_file: 
    pickle.dump(E, input_file) 

odb.close() 

Answer 2

Ich würde hier BulkDataBlocks verwenden. Dies ist viel schneller als die Verwendung der Wertmethode. Auch die Verwendung von Pickle ist in der Regel langsam und nicht notwendig. Sehen Sie im C++ - Handbuch http://abaqus.software.polimi.it/v6.14/books/ker/default.htm am FieldBulkData-Objekt nach. Die Python-Methode ist die gleiche, aber zumindest in Abaqus 6.14 ist sie nicht in der Python-Scripting-Referenz dokumentiert (sie ist seit 6.13 verfügbar).

Zum Beispiel:

from odbAccess import openOdb 
import numpy as np 

# import database 
odbname = 'plate2' 
path = './' 
myodbpath = path + odbname + '.odb' 
odb = openOdb(myodbpath) 

# load the strain values into a numpy array 
EE = odb.steps['Step-1'].frames[0].fieldOutputs['E'] 

# get a numpy array with your data 
# Not using np.copy here may work also, but sometimes I encountered some weird bugs 
Strains=np.copy(EE.bulkDataBlocks[0].data) 

# save the data 
np.save('OutputPath',Strains) 

odb.close() 

Denken Sie daran, dass, wenn Sie mehrere Elementtypen es kann mehr als ein bulkDataBlock sein.

Answer 3

wenig spät zur Party, aber ich finde mit operator.attrgetter viel schneller zu sein als eine for Schleife oder Liste Verständnis in diesem Fall

Also statt @AustinDowney

E = [] 
EE = odb.steps['Step-1'].frames[0].fieldOutputs['E'] 
for i in range(1000): 
    E.append(EE.values[i].data) 

dies tun:

from operator import attrgetter 
EE = odb.steps['Step-1'].frames[0].fieldOutputs['E'] 
E = map(attrgetter('data'), EE.values) 

Dies ist etwa die gleiche Geschwindigkeit wie Listenverständnis, aber ist viel besser, wenn Sie mehrere Attribute haben, die Sie extrahieren möchten t sofort (sagen coordinates oder elementId)