写在前面

好好学习，走出宿舍，走向毕设！
一些心路历程记录，很少有代码出现
因为鬼知道哪条代码到时候变成毕设的一部分了咧，还是不要给自己的查重挖坑罢了

23.2.19

报错`Unable to allocate xxx GiB for an array with shape (xxxx, xxxx)`

看到一长串报错的时候，直接拉到最后、、、我就知道，md内存不够咯
在这里插入图片描述
解决办法：夺命狂删C盘内存，卸载了很多软件，清理了QQ和微信的缓存，不然这代码运行不出来了QwQ
后期经过实测，代码使用spyder无法运行，虚拟缓存超过了上限，必须用jupyter notebook拆开来慢慢运行
实际运行过程中，C盘显示占用内存最高约为12GB

附上一条抄来的检查内存的代码和结果：

import psutil
import os
info = psutil.virtual_memory()
print('内存使用：',psutil.Process(os.getpid()).memory_info().rss)
print('总内存：',info.total)
print('内存占比：',info.percent)
print('CPU个数：',psutil.cpu_count())

在这里插入图片描述

23.2.20

psi6图片绘制

绘制了6个温度条件下第一帧的psi6，以定性查看其晶体的状态【固态or液态】
在这里插入图片描述

选择了部分r，绘制了g6（r）

问题1：需要了解颗粒平均间距
做法：打出所有最近邻list，计算每个最近邻粒子间的距离，得出平均值

问题2：样本数据量过小
做法：将一次模拟的全部帧数放入其中，算出平均值

23.2.21

从lammpstrj文件中导出了1001X6个csv文件

import pandas as pd
#导入所需包
f = open("D:\\2D melt\\30000.lammpstrj","r")
data = []
for line in f.readlines():
    line = line.strip("\n")
    line = line.split()
    data.append(line)
f.close() 
for i in range(0,1001):
    l = data[9360*i+9*(i+1):9360*(i+1)+9*(i+1)]
    name = ["id","type","x","y"]
    newtable = pd.DataFrame(l,columns=name)
    newtable.to_csv("D:\\221115\\30000.csv",index=False)
    csv1 = pd.read_csv("D:\\221115\\30000.csv")
    csv2 = csv1.sort_values("id")
    csv2.to_csv("D:\\230220\\30000\\30000_sorted"+str(i)+".csv",index=False)

虚拟内存扩展

根据CSDN上的指引，进行如图所示操作
1、打开控制面板
在这里插入图片描述

2、找到系统这一项；
在这里插入图片描述
3、找到高级系统设置这一项；

4、点击性能模块的设置按钮；

5、选择高级，在虚拟内存模块点击更改；

6、选择一个你文件运行的磁盘，点击自定义大小
记得不要选中“自动管理所有驱动器的分页文件大小”，手动输入初始大小和最大值，当然，最好不要太大，更改之后能在查看盘的使用情况，不要丢掉太多空间。
在这里插入图片描述