保存 Scipy 的插值输出

Question

我有一个问题，我需要使用例如插入 3D 函数。 SciPy，然后保存此插值的输出以供将来使用。也就是说，我不想每次都运行插值过程，因为生成要插值的 3D 函数对计算的要求很高（它来自 Biot-Savart 定律，所以很多数值积分也是如此）。

但是，我无法理解这是否可行，其次是如何实施。从我在其他一些帖子中看到的情况来看，这应该是可能的，但解决方案似乎对我不起作用。

我编写了以下测试代码，但在测试时收到以下错误：

TypeError: 'numpy.ndarray' 对象不可调用

此错误出现在函数loadInterpolation() 中以zeroVal 开头的代码行上。根据我之前阅读的内容，我希望allow_pickle=True 能够解决这个问题 .

import scipy
from scipy.interpolate import RegularGridInterpolator

def f(x,y,z):
    field = -x**2-y**2+z**2
    return field

def performSaveInterpolation():
    print(scipy.__version__)
    print('Performing Interpolation...')
    x = np.linspace(-1,1,100)
    y = np.linspace(-1,1,100)
    z = np.linspace(-1,1,100)
    xg, yg ,zg = np.meshgrid(x, y, z, indexing='ij', sparse=True)
    data = f(xg,yg,zg)
    my_interpolating_function = RegularGridInterpolator((x, y, z), data)
    zeroVal = my_interpolating_function([0,0,0])
    oneVal = my_interpolating_function([1,1,1])
    print('Interpolated function @ (0,0,0): ' + str(zeroVal))
    print('Interpolated function @ (1,1,1): ' + str(oneVal))
    np.save('interpolation.npy',my_interpolating_function,allow_pickle=True)
    return 0

def loadInterpolation():
    print('Loading Interpolation...')
    interpolationFunc = np.load('interpolation.npy',allow_pickle=True)
    zeroVal = interpolationFunc([0,0,0])
    oneVal = interpolationFunc([1,1,1])
    print('Interpolated function @ (0,0,0): ' + str(zeroVal))
    print('Interpolated function @ (1,1,1): ' + str(oneVal))
    return 0

performSaveInterpolation()
loadInterpolation()

Answer 1

为什么不直接使用pickle？链接到问题：How-can-i-use-pickle-to-save-a-dict。

Pickle 应该能够序列化 任何可能类型的 python 对象。不仅是numpy数组（至尊numpy save函数only能够做到。它不能保存除np.arrays之外的其他对象类型，并且迭代函数不是numpy.ndarray类型，因此错误）

像这样使用它：

TLDR：

import pickle

with open('mypicklefile.pck', 'wb') as file_handle:
    pickle.dump(my_saved_object, file_handle)

然后：

with open('mypicklefile.pck', 'rb') as file_handle:
    my_loaded_object = pickle.load(file_handle)

---

如果您需要一次序列化多个对象，例如您的函数，以及 zeroVal 和 oneVal 以避免每次都从函数中提取它们，您可以：

解决方案 1

对同一个文件进行多次序列化：

with open('mypicklefile.pck', 'wb') as file_handle:
    pickle.dump(my_saved_object, file_handle)
    pickle.dump(my_saved_object2, file_handle)
    pickle.dump(my_saved_object3, file_handle)

然后反序列化多次（顺序很重要！你必须“记住”哪个对象是哪个）

with open('mypicklefile.pck', 'rb') as file_handle:
    my_loaded_object = pickle.load(file_handle)
    my_loaded_object2 = pickle.load(file_handle)
    my_loaded_object3 = pickle.load(file_handle)

解决方案 2

或者，（更好的解决方案 IMO）使用字典，每个对象都有一点元数据，因为它有一个名称（键）：

mydata = {"tiny_description": my_saved_object, "something_more" : my_saved_object2}

with open('mypicklefile.pck', 'wb') as file_handle:
    pickle.dump(mydata , file_handle)

with open('mypicklefile.pck', 'rb') as file_handle:
    temp_dict = pickle.load(file_handle)
    tiny_description = temp_dict["tiny_description"]
    something_more = emp_dict["something_more"]