python批量处理TXT之后的数据进行成图

紧接着上一篇，批量处理完的txt文本后的数据，填充到Excel表中，下面是处理步骤

1. 读取Excel表格
2. 把数据转换成numpy的矩阵
3. 提取需要的数据填充到准备好的矩阵中
4. 循环显示图片，总共有205+140张图片
5. 第一行图是一个板卡的某个电容在28个通道之间测试的值发现2做激励通道时候值比其他通道要大0.001左右。
6. 第二行图真实想法是横坐标是21-1430fF的真是电容值，纵坐标是测量值，右边的图是去除最大电容值后情况
7. 后面的图是一个板卡内的28通道的10个电容数据进行线性拟合，得到28个斜率和偏移量
8. 发现同一个板卡的斜率相差不大，不同板卡之间的斜率相差200以上，偏移量在-21附近

 

# -*- coding: utf-8 -*-
"""
Created on Sat Jan 11 16:54:52 2020

@author: Tsinghua

下面是成图算法
"""
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#from scipy.optimize import curve_fit


excel = 'D:/log/data_process.xlsx'
save_path='D:/log/picture/'
df = pd.read_excel(excel)

#a=['21','29','51','81','150','297','394','583','708','1057','1430']
d=np.array([22,29,51,81,150,297,394,583,708,1057,1430])
b=list(range(1,12))
c=list(range(1,29))

#da = pd.DataFrame(columns=a,index=b)
#da = pd.DataFrame(columns=b,index=a)

for j in range(0,5):
    ss = np.zeros([28,0])
#取出Excel中某些行
    for i in range(0,11):
        #dd = pd.DataFrame(df.ix[4+i,2:30],dtype=np.float)
        dd = pd.DataFrame(df.ix[4+j*11+i,2:30],dtype=np.float)
    #    ds = dd.values
        ss = np.append(ss,dd.values,1)
    
    #ss = np.transpose(ss)#矩阵转置
    
    

#    每个电容的28通道图
    for i in range(0,11):
        plt.plot(c,ss[:,i])
        plt.savefig(save_path+'板卡'+str(j)+'电容'+str(i)+'.png')
#        plt.show()
        plt.clf()
        

#    每个通道的散点图前面10个点

    for i in range(0,28):
        plt.plot(d[:],ss[i,:])
        plt.savefig(save_path+'板卡'+str(j)+'通道'+str(i)+'.png')
#       plt.show()
        plt.clf()
    
    for i in range(0,28):
        plt.plot(d[:9],ss[i,:9])
        plt.savefig(save_path+'无'+str(j)+'通道'+str(i)+'.png')
#       plt.show()
        plt.clf()    
    
    pp = np.array([])
    pp1 = np.zeros(shape=(28,1))
    pp2 = np.zeros(shape=(28,1))
    
    for i in range(0,28):
        ploy = np.polyfit(ss[i,0:10],d[0:10],deg=1)#只拟合前面10个电容，1430fF电容不参与拟合
        pp = np.append(pp,ploy,0)#得到拟合方程的两个参数，前面是斜率，后面的偏移量
#       plt.plot(e,np.polyval(ploy,e))
#       plt.plot(list(range(0,28)),pp)
        
    for i in range(0,28):
        pp1[i] = pp[2*i]    #这个是斜率
        pp2[i] = pp[2*i+1]  #偏移量
    
    
    plt.plot(list(range(0,28)),pp1)     #斜率成图
    plt.savefig(save_path+'EMB'+str(j)+'斜率'+'.jpg')
#    plt.show()
    plt.clf()
    
    
    plt.plot(list(range(0,28)),pp2)     #偏移量成图
    plt.savefig(save_path+'EMB'+str(j)+'偏移'+'.jpg')
#    plt.show()
    plt.clf()
#保存的时候遇到过保存空白图像的问题，
#是因为将plt.savefig('D:/log/picture/i+5.png')放到了plt.show()之后，
#只要先保存在显示就可以正常保存了。