轨迹¶
Trajectory 按时间顺序组织帧的序列，底层实现保持惰性——五帧的小列表和多 GB 的数据流，对外暴露的 API 完全一致。
一帧远远不够¶
单个 Frame 描述系统在某一时刻的状态。但模拟和分析几乎总是涉及一连串按时间排序的状态。把这些状态存成 Python 列表，小数据集没问题；规模一大，内存管理和惰性访问就成了绕不开的问题。
Trajectory 是一组有序的 Frame 对象，支持惰性求值。数据量再大，系统语义也不会走样。
核心思路是保持和 Frame 的连续性。轨迹的每个元素仍然是一个 Frame——包含命名的 Block、元数据和可选的 Box。时间没有替换快照模型，只是把快照按顺序串了起来。
从列表构建轨迹¶
最简单的轨迹来自内存中的帧列表。支持随机访问、len 和切片。
import molpy as mp
frames = []
for i in range(5):
f = mp.Frame()
f["atoms"] = mp.Block({"x": [float(i)], "y": [0.0], "z": [0.0]})
f.metadata["time"] = i * 10.0
frames.append(f)
traj = mp.Trajectory(frames)
print(len(traj)) # 5
print(traj.has_length()) # True
print(traj[0]["atoms"]["x"]) # [0.]
基于生成器的轨迹保持惰性¶
处理大规模或流式数据时，传生成器而不是列表。轨迹按需生成帧，不需要一次加载全部数据到内存。代价是：生成器具体化之前，没法用 len 和索引。
def make_frames(n):
for i in range(n):
f = mp.Frame()
f["atoms"] = mp.Block({"x": [float(i)], "y": [0.0], "z": [0.0]})
f.metadata["time"] = i * 0.5
yield f
lazy_traj = mp.Trajectory(make_frames(1000))
print(lazy_traj.has_length()) # False
# 迭代而不一次性具体化所有帧
for frame in lazy_traj:
if frame.metadata["time"] > 2.0:
break
生成器在迭代过程中逐渐消耗。要多次读取同一批数据，可以具体化一个子集，或者每次新建一个生成器。
切片与索引¶
基于列表的轨迹支持标准的 Python 索引和切片。索引返回单个 Frame；切片返回一个新的 Trajectory。
first_two = traj[:2]
print(len(first_two)) # 2
strided = traj[::2]
print(len(strided)) # 3
last = traj[-1]
print(last.metadata["time"]) # 40.0
步幅切片（traj[::n]）是降采样、快速预览数据的实用手段。
使用 map 进行惰性变换¶
map 对每一帧应用一个函数并返回新的轨迹。变换是惰性的——函数只在访问帧时才执行，调用 map 时不会触发。多个变换可以链式组合，不需要预先承担全部计算开销。
def shift_x(frame):
new = mp.Frame()
x = frame["atoms"]["x"]
new["atoms"] = mp.Block({
"x": x + 10.0,
"y": frame["atoms"]["y"],
"z": frame["atoms"]["z"],
})
new.metadata = frame.metadata.copy()
return new
shifted = traj.map(shift_x)
由于 map 返回的是基于生成器的轨迹，需要迭代或具体化才能看到结果。
shifted_list = list(shifted)
print(shifted_list[0]["atoms"]["x"]) # [10.]
print(traj[0]["atoms"]["x"]) # [0.] — 原数据不变
何时使用 Trajectory¶
需要追踪可观测量在多个快照间的变化、计算时间相关性、或遍历 I/O 流——这些场景下时间本身就是科学问题的一部分——应该用 Trajectory。如果只需要单个状态，Frame 仍然是正确的抽象。
Trajectory 并没有创造一种新的系统状态。它在保持 Frame 语义不变的前提下引入了时间顺序。要点就在这里：同一种结构，多次出现。
另请参阅：Block 与 Frame、盒子与周期性。