python - 加速 Abaqus-python 代码中的慢循环，以从 .odb 文件中提取应变数据

我有一个名为plate2.odb 的.odb 文件，我想从中提取应变数据。为此，我构建了下面的简单代码，该代码循环遍历每个元素的字段输出 E(应变)并将其保存到列表中。

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()

问题是将应变值加载到列表中的 for 循环需要很长时间(1000 个元素需要 35 秒)。以这种速度(0.035 次查询/秒)，我需要 2 个小时才能为我的模型提取数据，该数据包含 200,000 个元素。为什么这需要这么长时间？我怎样才能加速这个？

如果我在任何 Python 循环之外执行单个应变查询，则需要 0.04 秒，所以我知道这不是 Python 循环的问题。

最佳答案

我发现每次我想要一个应变时，我都必须重新打开 odb 字典中的子目录。因此，为了解决这个问题，我将 odb 对象保存为一个较小的对象。我更新的代码需要几分之一秒才能解决，如下所示。

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()

关于python - 加速 Abaqus-python 代码中的慢循环，以从 .odb 文件中提取应变数据，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46573959/