- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我正在使用 cPickle 将我的数据库保存到文件中。代码如下所示:
def Save_DataBase():
import cPickle
from scipy import *
from numpy import *
a=Results.VersionName
#filename='D:/results/'+a[a.find('/')+1:-a.find('/')-2]+Results.AssType[:3]+str(random.randint(0,100))+Results.Distribution+".lft"
filename='D:/results/pppp.lft'
plik=open(filename,'w')
DataOutput=[[[DataBase.Arrays.Nodes,DataBase.Arrays.Links,DataBase.Arrays.Turns,DataBase.Arrays.Connectors,DataBase.Arrays.Zones],
[DataBase.Nodes.Data,DataBase.Links.Data,DataBase.Turns.Data,DataBase.OrigConnectors.Data,DataBase.DestConnectors.Data,DataBase.Zones.Data],
[DataBase.Nodes.DictionaryPy2Vis,DataBase.Links.DictionaryPy2Vis,DataBase.Turns.DictionaryPy2Vis,DataBase.OrigConnectors.DictionaryPy2Vis,DataBase.DestConnectors.DictionaryPy2Vis,DataBase.Zones.DictionaryPy2Vis],
[DataBase.Nodes.DictionaryVis2Py,DataBase.Links.DictionaryVis2Py,DataBase.Turns.DictionaryVis2Py,DataBase.OrigConnectors.DictionaryVis2Py,DataBase.DestConnectors.DictionaryVis2Py,DataBase.Zones.DictionaryVis2Py],
[DataBase.Paths.List]],[Results.VersionName,Results.noZones,Results.noNodes,Results.noLinks,Results.noTurns,Results.noTrips,
Results.Times.VersionLoad,Results.Times.GetData,Results.Times.GetCoords,Results.Times.CrossTheTime,Results.Times.Plot_Cylinder,
Results.AssType,Results.AssParam,Results.tStart,Results.tEnd,Results.Distribution,Results.tVector]]
cPickle.dump(DataOutput, plik, protocol=0)
plik.close()`
而且效果很好。我的大部分数据库行都是列表、类向量或类数组数据集的列表。
但是现在当我输入数据时,出现错误:
def Load_DataBase():
import cPickle
from scipy import *
from numpy import *
filename='D:/results/pppp.lft'
plik= open(filename, 'rb')
""" first cPickle load approach """
A= cPickle.load(plik)
""" fail """
""" Another approach - data format exact as in Output step above , also fails"""
[[[DataBase.Arrays.Nodes,DataBase.Arrays.Links,DataBase.Arrays.Turns,DataBase.Arrays.Connectors,DataBase.Arrays.Zones],
[DataBase.Nodes.Data,DataBase.Links.Data,DataBase.Turns.Data,DataBase.OrigConnectors.Data,DataBase.DestConnectors.Data,DataBase.Zones.Data],
[DataBase.Nodes.DictionaryPy2Vis,DataBase.Links.DictionaryPy2Vis,DataBase.Turns.DictionaryPy2Vis,DataBase.OrigConnectors.DictionaryPy2Vis,DataBase.DestConnectors.DictionaryPy2Vis,DataBase.Zones.DictionaryPy2Vis],
[DataBase.Nodes.DictionaryVis2Py,DataBase.Links.DictionaryVis2Py,DataBase.Turns.DictionaryVis2Py,DataBase.OrigConnectors.DictionaryVis2Py,DataBase.DestConnectors.DictionaryVis2Py,DataBase.Zones.DictionaryVis2Py],
[DataBase.Paths.List]],[Results.VersionName,Results.noZones,Results.noNodes,Results.noLinks,Results.noTurns,Results.noTrips,
Results.Times.VersionLoad,Results.Times.GetData,Results.Times.GetCoords,Results.Times.CrossTheTime,Results.Times.Plot_Cylinder,
Results.AssType,Results.AssParam,Results.tStart,Results.tEnd,Results.Distribution,Results.tVector]]= cPickle.load(plik)`
错误是(在这两种情况下):
Traceback (most recent call last):
File "D:\programy\projekt_eclipse\src\Praca\wx_frame.py", line 342, in LoadDatabase_Handler
Load_DataBase()
File "D:\programy\projekt_eclipse\src\Praca\wx_frame.py", line 1804, in Load_DataBase
A= cPickle.load(plik)
ImportError: No module named multiarray
有什么想法吗?
附言。现在我已经解决了问题,部分地说:/我需要更改数组的格式。我试图追踪错误,但我做不到。导致错误的变量是这个 (long :) ) :
[[ 0.00000000e+00 0.00000000e+00 0.00000000e+00 0.00000000e+00
0.00000000e+00 0.00000000e+00 0.00000000e+00 0.00000000e+00]
[ 1.00000000e+00 0.00000000e+00 0.00000000e+00 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 0.00000000e+00]
[ 2.00000000e+00 0.00000000e+00 1.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 3.52875186e+04]
[ 3.00000000e+00 0.00000000e+00 2.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.24880978e+04]
[ 4.00000000e+00 0.00000000e+00 3.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.24880978e+04]
[ 5.00000000e+00 0.00000000e+00 4.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.24880978e+04]
[ 6.00000000e+00 0.00000000e+00 5.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.24880978e+04]
[ 7.00000000e+00 0.00000000e+00 6.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.24880978e+04]
[ 8.00000000e+00 0.00000000e+00 7.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 3.59846476e+04]
[ 9.00000000e+00 0.00000000e+00 8.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 0.00000000e+00]
[ 1.00000000e+01 1.00000000e+03 0.00000000e+00 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 3.97583022e+04]
[ 1.10000000e+01 1.00000000e+03 1.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.84929461e+04]
[ 1.20000000e+01 1.00000000e+03 2.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 8.76891311e+03]
[ 1.30000000e+01 1.00000000e+03 3.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 5.10636164e+03]
[ 1.40000000e+01 1.00000000e+03 4.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.45841100e+03]
[ 1.50000000e+01 1.00000000e+03 5.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 4.22093915e+03]
[ 1.60000000e+01 1.00000000e+03 6.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.20282091e+03]
[ 1.70000000e+01 1.00000000e+03 7.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.86566159e+04]
[ 1.80000000e+01 1.00000000e+03 8.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 3.80902598e+04]
[ 1.90000000e+01 2.00000000e+03 0.00000000e+00 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.23193676e+04]
[ 2.00000000e+01 2.00000000e+03 1.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.16000116e+04]
[ 2.10000000e+01 2.00000000e+03 2.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.05680012e+03]
[ 2.20000000e+01 2.00000000e+03 3.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.89123867e+03]
[ 2.30000000e+01 2.00000000e+03 4.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 4.98898168e+03]
[ 2.40000000e+01 2.00000000e+03 5.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 7.44216130e+03]
[ 2.50000000e+01 2.00000000e+03 6.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.23593332e+04]
[ 2.60000000e+01 2.00000000e+03 7.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.14424233e+04]
[ 2.70000000e+01 2.00000000e+03 8.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.91864355e+04]
[ 2.80000000e+01 3.00000000e+03 0.00000000e+00 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.07766798e+04]
[ 2.90000000e+01 3.00000000e+03 1.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 8.61849685e+03]
[ 3.00000000e+01 3.00000000e+03 2.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.09785208e+04]
[ 3.10000000e+01 3.00000000e+03 3.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 8.99736773e+03]
[ 3.20000000e+01 3.00000000e+03 4.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.06209122e+03]
[ 3.30000000e+01 3.00000000e+03 5.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.48702707e+03]
[ 3.40000000e+01 3.00000000e+03 6.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.04653099e+04]
[ 3.50000000e+01 3.00000000e+03 7.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.25314801e+03]
[ 3.60000000e+01 3.00000000e+03 8.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.67608539e+04]
[ 3.70000000e+01 4.00000000e+03 0.00000000e+00 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.07766798e+04]
[ 3.80000000e+01 4.00000000e+03 1.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.82241178e+03]
[ 3.90000000e+01 4.00000000e+03 2.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 8.05149043e+03]
[ 4.00000000e+01 4.00000000e+03 3.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.55692239e+03]
[ 4.10000000e+01 4.00000000e+03 4.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.19199226e+04]
[ 4.20000000e+01 4.00000000e+03 5.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 8.43876335e+03]
[ 4.30000000e+01 4.00000000e+03 6.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 4.90454231e+03]
[ 4.40000000e+01 4.00000000e+03 7.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.03525083e+03]
[ 4.50000000e+01 4.00000000e+03 8.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.67608539e+04]
[ 4.60000000e+01 5.00000000e+03 0.00000000e+00 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.07766798e+04]
[ 4.70000000e+01 5.00000000e+03 1.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.07842319e+03]
[ 4.80000000e+01 5.00000000e+03 2.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.48191278e+03]
[ 4.90000000e+01 5.00000000e+03 3.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.06547361e+04]
[ 5.00000000e+01 5.00000000e+03 4.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.27500595e+04]
[ 5.10000000e+01 5.00000000e+03 5.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.62319628e+03]
[ 5.20000000e+01 5.00000000e+03 6.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.50364667e+03]
[ 5.30000000e+01 5.00000000e+03 7.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.48651846e+03]
[ 5.40000000e+01 5.00000000e+03 8.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.67608539e+04]
[ 5.50000000e+01 6.00000000e+03 0.00000000e+00 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.16862400e+04]
[ 5.60000000e+01 6.00000000e+03 1.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.88311307e+03]
[ 5.70000000e+01 6.00000000e+03 2.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 7.89923519e+03]
[ 5.80000000e+01 6.00000000e+03 3.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 8.16959736e+03]
[ 5.90000000e+01 6.00000000e+03 4.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.49942081e+03]
[ 6.00000000e+01 6.00000000e+03 5.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 6.24620368e+03]
[ 6.10000000e+01 6.00000000e+03 6.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.27811830e+03]
[ 6.20000000e+01 6.00000000e+03 7.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.13336356e+04]
[ 6.30000000e+01 6.00000000e+03 8.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.91853045e+04]
[ 6.40000000e+01 7.00000000e+03 0.00000000e+00 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 3.67326624e+04]
[ 6.50000000e+01 7.00000000e+03 1.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.79192625e+04]
[ 6.60000000e+01 7.00000000e+03 2.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.35835049e+03]
[ 6.70000000e+01 7.00000000e+03 3.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 4.66349011e+03]
[ 6.80000000e+01 7.00000000e+03 4.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.88664273e+03]
[ 6.90000000e+01 7.00000000e+03 5.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 4.15546726e+03]
[ 7.00000000e+01 7.00000000e+03 6.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 9.26420582e+03]
[ 7.10000000e+01 7.00000000e+03 7.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 1.80179725e+04]
[ 7.20000000e+01 7.00000000e+03 8.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 3.69846102e+04]
[ 7.30000000e+01 8.00000000e+03 0.00000000e+00 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 0.00000000e+00]
[ 7.40000000e+01 8.00000000e+03 1.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 3.66207833e+04]
[ 7.50000000e+01 8.00000000e+03 2.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.32529854e+04]
[ 7.60000000e+01 8.00000000e+03 3.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.32529854e+04]
[ 7.70000000e+01 8.00000000e+03 4.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.32529854e+04]
[ 7.80000000e+01 8.00000000e+03 5.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.32529854e+04]
[ 7.90000000e+01 8.00000000e+03 6.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 2.32529854e+04]
[ 8.00000000e+01 8.00000000e+03 7.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 3.70098656e+04]
[ 8.10000000e+01 8.00000000e+03 8.00000000e+03 2.00000000e+01
0.00000000e+00 5.00000000e+02 2.00000000e+01 0.00000000e+00]]
cPickle 或 pickle 无法加载它。但是当我用控制台手动执行它时,相同的文件结构( [[ ]] 和所有格式完全相同,值也是 e+00 格式)然后它工作正常????????????我勒个去?无论如何,我已经通过改变数据格式解决了这个问题:/
最佳答案
我在 Windows XP 机器上遇到了同样的问题,代码在 Linux 下运行良好。这可能与文本和二进制文件的不同处理方式有关。写入数据时,尝试创建文件对象,明确说明您需要二进制模式,即
plik=open(filename,'wb')
代替
plik=open(filename,'w')
这对我有用。
关于python - cPickle 导入错误 : No module named multiarray,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/3004792/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!