Python实现Abaqus后处理加载点荷载位移曲线的批量获取

我们在利用abaqus进行有限元计算后，经常需要提取加载处的节点集的计算值（荷载值（通过反力值提取）和位移值）来形成荷载位移曲线。现假设提取出来的荷载值的excel表格为hezai.xlsx，位移值的excel表格为weiyi.xlsx，并且这两个表格都存于abaqus的工作目录下的excel文件夹中，即路径分别为D:\Abaqus6.14.1\temp\excel\hezai.xlsx和D:\Abaqus6.14.1\temp\excel\weiyi.xlsx。

使用过abaqus上述过程的同学应该知道，每个提取出来的excel表格都是一列为加载时间的步长（奇数列），一列为计算值（偶数列），时间步长和计算值这两列交叉出现。手工的做法应该是在每个excel表中先选出时间步长列，再对其进行删除，然后对所剩下的计算值列进行每行的求和，最后得到加载处的总的计算值。在量大时，这个过程是较为繁琐的。

下面用Python程序来处理上述过程。

1. 一对荷载excel和位移excel

这一部分一步一步详细讲解怎么处理。代码如下

#代码1

#下面这个函数可以通过导入hezai.xlsx或weiyi.xlsx文件来输出只含计算值列的新的excel文件

def func(dir2):

# 形成路径

dir1 = r'D:\Abaqus6.14.1\temp\excel'

import os

dir = os.path.join(dir1, dir2) #路径连接，因为在dir1中字符串前使用了r，所以再将dir2连接到dir1后面不会出现像文章Python-pandas获取excel数据和写入excel数据1第1.1.部分那样的问题，即使此时print(dir)是显示的为（假设dir2='weiyi.xlsx'）D:\Abaqus6.14.1\temp\excel\weiyi.xlsx

# 提取计算值的列

import pandas as pd

excel_hq = pd.read_excel(dir) #可以不设置header=None，因为这里我们只需要知道整个excel的列数

excel_lieshu = excel_hq.shape[1] #获取总列数（excel_hq.shape[0]为行数）

import numpy as np

columns = np.arange(1, excel_lieshu + 1, 2) #根据abaqus的excel结果文件可知，计算值的列为偶数列，时间步长为奇数列，所以取偶数列

values = pd.read_excel(dir, usecols=columns, header=None) #需要设置header=None，否则第一行数据会被当做列名而不被读取，Python-pandas获取excel数据和写入excel数据2的第2.2.部分

values.to_excel(os.path.join(dir1, 'jisuanzhi' + dir2), index=None, header=None) #新输出的excel表不包含行名和列名

#注意os.path.join(dir1,'jisuanzhi'+dir2)和os.path.join(dir1,'jisuanzhi',dir2)的区别

#前者会形成D:\Abaqus6.14.1\temp\excel\jisuanzhihezai.xlsx

#后者会形成D:\Abaqus6.14.1\temp\excel\jisuanzhi\hezai.xlsx

##########

func('hezai.xlsx') #输出只包含荷载计算值的列的excel表

func('weiyi.xlsx') #输出只包含位移计算值的列的excel表

########################################

#下面这部分代码将输出的两个计算值的列的excel表汇总成一个excel表

import pandas as pd

import numpy as np

##########

#将荷载值数据列表先写入

dfhezai = pd.read_excel(r'D:\Abaqus6.14.1\temp\excel\jisuanzhihezai.xlsx',header=None)

dfhezai_li = dfhezai.values.tolist() #.tolist()是将数组类型（dfhezai.values）转化为列表，但是转不转化这里都可以，即写成df_li = df.values也可以。从excel表读来的dfhezai为pandas.core.frame.DataFrame类型

hezairesult = []

for i in dfhezai_li:

hezairesult.append(abs(sum(i))) #总荷载应该取为加载处节点集的荷载之和

df = pd.DataFrame(hezairesult,columns=['hezai'])

##########

#再将位移值数据列表写入

dfweiyi = pd.read_excel(r'D:\Abaqus6.14.1\temp\excel\jisuanzhiweiyi.xlsx',header=None)

dfweiyi_li = dfweiyi.values.tolist() #.tolist()是将数组转化为列表，但是转不转化这里都可以，即写成df_li = df.values也可以

weiyilieshu = dfweiyi.shape[1]

weiyiresult = []

for i in dfweiyi_li:

weiyiresult.append(abs(sum(i)/weiyilieshu)) #因为加载处节点集的位移应该一致，所以这里为求和后再平均

df['weiyi']=weiyiresult

##########

#将荷载位移值数据列表写入excel文件

df.to_excel(r'D:\Abaqus6.14.1\temp\excel\hezai-weiyi.xlsx', index=None)

########################################

#开始画图

import matplotlib.pyplot as plt

plt.plot(weiyiresult,hezairesult,color='black')

plt.title('荷载位移曲线', fontproperties='Simsun')

##########

#同一行中分别显示宋体和新罗马，参见文章Python-matplotlib二维绘图知识点详讲（一个画板一个图）1的1.11的4.2)部分

from matplotlib import rcParams

dictionary = {'font.family':'serif', 'mathtext.fontset':'stix', 'font.serif':'SimSun'}

rcParams.update(dictionary)

plt.rcParams['font.sans-serif']='Simsun'

##########

plt.xlabel(r'位移$\mathrm{/mm}$')

plt.ylabel(r'荷载$\mathrm{/N}$')

plt.xticks(fontproperties='Times New Roman')

plt.yticks(fontproperties='Times New Roman')

##########

#画图中标记曲线最大值点的函数（在已经画好图的基础上使用该函数，更复杂的情况参见文章Python-matplotlib二维绘图知识点详讲（一个画板一个图）2的第2.3.部分）

def funczuizhidian(hengzuobiao, zongzuobiao): #传入的参数为横坐标列表和纵坐标列表

import numpy as np

max_index=np.argmax(zongzuobiao) #返回的是纵坐标列表中的最大值的索引值，如需要最小值，则为np.argmin()函数

plt.plot(hengzuobiao[max_index], zongzuobiao[max_index], color='red', marker='*', markersize='10') #通过plt.plot()函数来画点，参见文章Python-matplotlib二维绘图知识点详讲（一个画板一个图）2的2.1.2部分和文章Python-matplotlib二维绘图知识点详讲（一个画板一个图）1的1.11的2)部分

show_text = [hengzuobiao[max_index], zongzuobiao[max_index]]

plt.annotate(str(show_text), xytext=(hengzuobiao[max_index], zongzuobiao[max_index]),xy=(hengzuobiao[max_index], zongzuobiao[max_index]), fontproperties='Times New Roman')

funczuizhidian(weiyiresult, hezairesult)

##########

plt.show()

2. 批量处理同一文件夹下的成对的荷载excel和位移excel

首先说明以下五点：

1) os.walk()函数

我们举一个简单的例子就能明白，例子如下：

在路径为D:\Abaqus6.14.1\temp\excel的文件夹中，包含了一个名称为ziwenjianjia的子文件夹和三个名称分别为wenjian1.xlsx、wenjian2.xlsx和wenjian3.xlsx的文件；子文件夹中包含了三个名称分别为ziwenjian1.xlsx、ziwenjian2.xlsx和ziwenjian3.xlsx的文件。

从以上我们不但可以看出三个输出结果的含义，还可以看出topdown=True（默认）和topdown=False的区别：topdown=True时，第一次的for循环是先遍历根目录，然后第二次for循环才是遍历子目录；topdown=False时，第一次的for循环是先遍历子目录，然后第二次for循环才是遍历根目录。

2) 根据某个字符查看列表中的元素

以上展示了两种方法。

特殊地，可以通过endswith()和startswith()来查找列表中以某个字符开头或结尾的元素：

有意思。

3) zip()函数

zip()返回的是一个元素为元组的列表对象，但是如果需要展示列表，还需要list()转换。

#代码

a = ['xie','zhong','xi']

b = ['liu','xiao','ying']

result1 = zip(a,b)

result2 = list(zip(a,b))

print(result1)

#print(result1[0]) #报错：TypeError: 'zip' object is not subscriptable

print(result2)

print(result2[0],type(result2[0])) #输出('xie', 'liu') <class 'tuple'>

print(result2[0][0],type(result2[0][0])) #输出xie <class 'str'>

4) ''.replace()函数

这是字符串的函数，用来替换字符串中的部分内容，如下。

可知：.replace('A', 'B')是将字符串中的内容A替换成B；如果设置为.replace('A', '')则相当于是把字符串中的内容A删去。

5) 假设

为了使用下面这段代码来批量处理abaqus的输出excel表，我们先对excel表格作出以下处理：所有的abaqus输出的excel结果都位于路径D:\Abaqus6.14.1\temp\excel下，并且这个文件夹在以下程序运行前只有这些abaqus输出的结果文件；同一对的荷载和位移excel表格用文件名的最开始的一个数字来统一（如1hezai.xlsx和1weiyi.xlsx表示一对）；所有abaqus输出荷载excel文件以hezai来作为命名的结尾，所有abaqus输出位移excel文件以weiyi来作为命名的结尾（如1-10mm-hezai.xlsx和1-10mm-weiyi.xlsx），最开始的数字和最后的hezai或weiyi之间的命名随便取。

在利用第1.部分的代码的基础上，批量处理的代码如下。

#代码2

#下面这个函数用来输出只含计算值列的新的excel文件

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import os

dir1 = r'D:\Abaqus6.14.1\temp\excel'

def func1(dir2):

# 形成路径

# 提取计算值的列

excel_hq = pd.read_excel(dir) #可以不设置header=None，因为这里我们只需要知道整个excel的列数

excel_lieshu = excel_hq.shape[1] #获取总列数（excel_hq.shape[0]为行数）

columns = np.arange(1, excel_lieshu + 1, 2) #根据abaqus的excel结果文件可知，计算值的列为偶数列，时间步长为奇数列，所以取偶数列

values.to_excel(os.path.join(dir1, 'jisuanzhi' + dir2), index=None, header=None) #新输出的excel表不包含行名和列名（注意这里的命名和后面相关，不要轻易改动）

#注意os.path.join(dir1,'jisuanzhi'+dir2)和os.path.join(dir1,'jisuanzhi',dir2)的区别

#前者会形成D:\Abaqus6.14.1\temp\excel\jisuanzhi1hezai.xlsx（如dir2=1hezai.xlsx）

#后者会形成D:\Abaqus6.14.1\temp\excel\jisuanzhi\1hezai.xlsx（如dir2=1hezai.xlsx）

########################################

for lujing, ziwenjianjiaming, files in os.walk(dir1):

for file in files:

func1(file)

########################################

#下面这部分代码将输出的两个计算值的列的excel表汇总成一个excel表

def func2(dir3,dir4):

dir5=os.path.join(dir1, dir3) #荷载excel表

dfhezai = pd.read_excel(dir5,header=None)

hezairesult = []

for i in dfhezai_li:

hezairesult.append(abs(sum(i))) #总荷载应该取为加载处节点集的荷载之和

df = pd.DataFrame(hezairesult,columns=['hezai'])

dir6=os.path.join(dir1, dir4) #位移excel表

dfweiyi = pd.read_excel(dir6,header=None)

dfweiyi_li = dfweiyi.values.tolist() #.tolist()是将数组转化为列表，但是转不转化这里都可以，即写成df_li = df.values也可以

weiyilieshu = dfweiyi.shape[1]

weiyiresult = []

for i in dfweiyi_li:

weiyiresult.append(abs(sum(i)/weiyilieshu)) #因为加载处节点集的位移应该一致，所以这里为求和后再平均

df['weiyi']=weiyiresult

##########

#将荷载位移值数据列表写入excel文件

dir3=dir3.replace('.xlsx', '') #.replace('.xlsx', '')将文件名的.xlsx去掉

dir3=dir3.replace('jisuanzhi', '')

dir4 = dir4.replace('jisuanzhi', '')

df.to_excel(os.path.join(dir1, dir3+dir4), index=None)

########################################

#画图

plt.plot(weiyiresult,hezairesult,color='black')

plt.title('荷载位移曲线', fontproperties='Simsun')

##########

#同一行中分别显示宋体和新罗马，参见文章Python-matplotlib二维绘图知识点详讲（一个画板一个图）1的1.11的4.2)部分

from matplotlib import rcParams

dictionary = {'font.family':'serif', 'mathtext.fontset':'stix', 'font.serif':'SimSun'}

rcParams.update(dictionary)

plt.rcParams['font.sans-serif']='Simsun'

##########

plt.xlabel(r'位移$\mathrm{/mm}$')

plt.ylabel(r'荷载$\mathrm{/N}$')

plt.xticks(fontproperties='Times New Roman')

plt.yticks(fontproperties='Times New Roman')

##########

max_index=np.argmax(hezairesult) #返回的是纵坐标列表中的最大值的索引值，如需要最小值，则为np.argmin()函数

plt.plot(weiyiresult[max_index], hezairesult[max_index], color='red', marker='*', markersize='10') #通过plt.plot()函数来画点，参见文章Python-matplotlib二维绘图知识点详讲（一个画板一个图）2的2.1.2部分和文章Python-matplotlib二维绘图知识点详讲（一个画板一个图）1的1.11的2)部分

show_text = [weiyiresult[max_index], hezairesult[max_index]]

plt.annotate(str(show_text), xytext=(weiyiresult[max_index], hezairesult[max_index]),xy=(weiyiresult[max_index], hezairesult[max_index]), fontproperties='Times New Roman')

##########

plt.savefig(os.path.join(dir1, dir3.replace('.xlsx', '')+dir4.replace('.xlsx', '')+'.png'), format='png', dpi=500) #保存为png格式的图片仅仅是为了快速查看图片效果而已，缺点是有时可能会图片显示不完全。最好我们是保存为svg图片格式，不会存在图片显示不完全的问题（但是svg图片要用Visio来打开），参见Python-matplotlib二维绘图知识点详讲（一个画板一个图）1的第1.12.部分

plt.close() #最好加上这一行，如果没有这行代码，在循环利用函数func2的时候会循环画图，可能图片之间会出现交叉的问题

########################################

hezai_list=[]

weiyi_list=[]

for lujing, ziwenjianjiaming, files in os.walk(dir1):

for file in files:

if file.startswith('jisuanzhi') and file.endswith('hezai.xlsx'):

hezai_list.append(file)

elif file.startswith('jisuanzhi') and file.endswith('weiyi.xlsx'):

weiyi_list.append(file)

hezaiweiyi=list(zip(hezai_list, weiyi_list)) #参见第2.部分的说明3)

########################################