保存QuTiP对象和数据集
在进行耗时的计算时，通常需要将结果存储到磁盘上的文件中，以便进行后处理和存档。在QuTiP中，有两种存储数据的工具：量子对象可以存储到文件中，并稍后作为python pickle读回，而数值数据（向量和矩阵）可以导出为纯文本文件，例如CSV（逗号分隔值）、TSV（制表符分隔值）等。前者在需要对数据进行进一步计算时是首选方法，而后者在计算完成并需要将数据导入后处理工具（例如生成图表）时使用。
存储和加载QuTiP对象
为了存储和加载任意的QuTiP相关对象（Qobj, Result, 等），有两个函数：qutip.fileio.qsave 和 qutip.fileio.qload。函数 qutip.fileio.qsave 以任意对象作为第一个参数，并以可选的文件名作为第二个参数（默认文件名为 qutip_data.qu）。文件扩展名始终为 .qu。函数 qutip.fileio.qload 以必需的文件名作为第一个参数，加载并返回文件中的对象。
为了说明如何使用这些函数，考虑一个简单的谐波振荡器稳态计算
>>> a = destroy(10); H = a.dag() * a
>>> c_ops = [np.sqrt(0.5) * a, np.sqrt(0.25) * a.dag()]
>>> rho_ss = steadystate(H, c_ops)
稳态密度矩阵 rho_ss 是 Qobj 的一个实例。可以使用以下方法将其存储到文件 steadystate.qu 中。
>>> qsave(rho_ss, 'steadystate')
>>> !ls *.qu
density_matrix_vs_time.qu steadystate.qu
并且它可以在以后再次加载，并用于进一步的计算
>>> rho_ss_loaded = qload('steadystate')
Loaded Qobj object:
Quantum object: dims = [[10], [10]], shape = (10, 10), type = oper, isHerm = True
>>> a = destroy(10)
>>> np.testing.assert_almost_equal(expect(a.dag() * a, rho_ss_loaded), 0.9902248289345061)
关于qutip.fileio.qsave和qutip.fileio.qload函数的好处是，几乎任何对象都可以被存储并在以后再次加载。
例如，我们可以存储由mesolve返回的密度矩阵列表。
>>> a = destroy(10); H = a.dag() * a ; c_ops = [np.sqrt(0.5) * a, np.sqrt(0.25) * a.dag()]
>>> psi0 = rand_ket(10)
>>> times = np.linspace(0, 10, 10)
>>> dm_list = mesolve(H, psi0, times, c_ops, [])
>>> qsave(dm_list, 'density_matrix_vs_time')
然后它可以被加载并再次使用，例如在另一个程序中
>>> dm_list_loaded = qload('density_matrix_vs_time')
Loaded Result object:
Result object with mesolve data.
--------------------------------
states = True
num_collapse = 0
>>> a = destroy(10)
>>> expect(a.dag() * a, dm_list_loaded.states)
array([4.63317086, 3.59150315, 2.90590183, 2.41306641, 2.05120716,
1.78312503, 1.58357995, 1.4346382 , 1.32327398, 1.23991233])
存储和加载数据集
qutip.fileio.qsave 和 qutip.fileio.qload 非常棒，但使用的文件格式只能被 QuTiP（python）程序理解。当数据必须导出到其他程序时，首选方法是将数据存储为常用的纯文本文件格式。使用 QuTiP 函数 qutip.fileio.file_data_store 和 qutip.fileio.file_data_read，我们可以使用分隔符分隔的值格式（例如逗号分隔值 CSV）将 numpy 数组和矩阵存储和加载到磁盘上的文件中。几乎任何程序都可以处理这种文件格式。
qutip.fileio.file_data_store 接受两个必需参数和三个可选参数：
>>> file_data_store(filename, data, numtype="complex", numformat="decimal", sep=",")
其中 filename 是文件的名称，data 是要写入文件的数据（必须是一个 numpy 数组），numtype（可选）是一个标志，表示数值类型，可以取值为 complex 或 real，numformat（可选）指定数值格式，可以取值为 exp 表示格式 1.0e1，decimal 表示格式 10.0，sep（可选）是一个任意的单字符字段分隔符（通常是制表符、空格、逗号、分号等）。
qutip.fileio.file_data_store 函数的一个常见用途是存储一组算符在一系列时间点的期望值，例如由 mesolve 函数返回的值，这正是以下示例所做的
>>> a = destroy(10); H = a.dag() * a ; c_ops = [np.sqrt(0.5) * a, np.sqrt(0.25) * a.dag()]
>>> psi0 = rand_ket(10)
>>> times = np.linspace(0, 100, 100)
>>> medata = mesolve(H, psi0, times, c_ops, e_ops=[a.dag() * a, a + a.dag(), -1j * (a - a.dag())])
>>> np.shape(medata.expect)
(3, 100)
>>> times.shape
(100,)
>>> output_data = np.vstack((times, medata.expect)) # join time and expt data
>>> file_data_store('expect.dat', output_data.T) # Note the .T for transpose!
>>> with open("expect.dat", "r") as f:
... print('\n'.join(f.readlines()[:10]))
# Generated by QuTiP: 100x4 complex matrix in decimal format [',' separated values].
0.0000000000+0.0000000000j,3.2109553666+0.0000000000j,0.3689771549+0.0000000000j,0.0185002867+0.0000000000j
1.0101010101+0.0000000000j,2.6754598872+0.0000000000j,0.1298251132+0.0000000000j,-0.3303672956+0.0000000000j
2.0202020202+0.0000000000j,2.2743186810+0.0000000000j,-0.2106241300+0.0000000000j,-0.2623894277+0.0000000000j
3.0303030303+0.0000000000j,1.9726633457+0.0000000000j,-0.3037311621+0.0000000000j,0.0397330921+0.0000000000j
4.0404040404+0.0000000000j,1.7435892209+0.0000000000j,-0.1126550232+0.0000000000j,0.2497182058+0.0000000000j
5.0505050505+0.0000000000j,1.5687324121+0.0000000000j,0.1351622725+0.0000000000j,0.2018398581+0.0000000000j
6.0606060606+0.0000000000j,1.4348632045+0.0000000000j,0.2143080535+0.0000000000j,-0.0067820038+0.0000000000j
7.0707070707+0.0000000000j,1.3321818015+0.0000000000j,0.0950352763+0.0000000000j,-0.1630920429+0.0000000000j
8.0808080808+0.0000000000j,1.2533244850+0.0000000000j,-0.0771210981+0.0000000000j,-0.1468923919+0.0000000000j
在这种情况下，我们实际上不需要同时存储实部和虚部，因此我们可以使用numtype="real"选项
>>> file_data_store('expect.dat', output_data.T, numtype="real")
>>> with open("expect.dat", "r") as f:
... print('\n'.join(f.readlines()[:5]))
# Generated by QuTiP: 100x4 real matrix in decimal format [',' separated values].
0.0000000000,3.2109553666,0.3689771549,0.0185002867
1.0101010101,2.6754598872,0.1298251132,-0.3303672956
2.0202020202,2.2743186810,-0.2106241300,-0.2623894277
3.0303030303,1.9726633457,-0.3037311621,0.0397330921
如果我们更喜欢科学记数法，我们可以使用numformat="exp"选项来请求
>>> file_data_store('expect.dat', output_data.T, numtype="real", numformat="exp")
加载之前使用qutip.fileio.file_data_store（或其他软件）存储的数据更加简单。无论使用了哪种分隔符，无论数据是以复数还是实数形式存储，无论是以十进制还是指数形式存储，都可以使用qutip.fileio.file_data_read加载数据，该函数只需要文件名作为必填参数。
input_data = file_data_read('expect.dat')
plt.plot(input_data[:,0], input_data[:,1]); # plot the data
（如果使用了特别晦涩的分隔符，可能需要使用可选的第二个参数，例如 sep="_" 如果 _ 是分隔符）。