fluent脱硝SCR相对标准偏差、氨氮比、截面速度计算

# -*- coding: utf-8 -*-
"""
Created on Wed Sep 20 20:40:30 2023
联系QQ:3123575367，专业SCR脱硝仿真。
该程序用来处理fluent通过export-solution-ASCII-Space导出的数据，可计算标准偏差SD、相对标准偏差RSD,适用于求解平面的相对均匀度
@author: PS
"""

import chardet #识别文件的编码格式
 
#确定文件编码格式
def check_code(text):
    #detect函数只需要一个 非unicode字符串参数，返回一个字典。该字典包括判断到的编码格式及判断的置信度。
    with open(text, 'rb') as f:    
        adchar = chardet.detect(f.read())  
    # adchar = chardet.detect(text)
    # 由于windows系统的编码有可能是Windows-1254,打印出来后还是乱码,所以不直接用adchar['encoding']编码

    if adchar['encoding'] == 'gbk' or adchar['encoding'] == 'GBK' or adchar['encoding'] == 'GB2312':
        
        return 'GB2312'
    else:
        return 'utf-8'

 
    
#读取文件并进行计算 
def read_file_text(file_url):
    
    with open(file_url, 'r',encoding=check_code(file_url)) as f0:
        row_nul = 1
        for i in range(row_nul):
            next(f0)#跳行
        f0_word = f0.readlines()
        ls = []
        x=[]
        y=[]
        #将文本数据按照行整理到列表中
        for line in f0_word:
                line = line.strip('\n')#将每段的回车替换为空格
                line = line.replace(')','')
                words = line.split()#将字符串以空格分开
                ls.append(words)
                
        #将列表中的数据按照列提取出来
        for lin in ls:
                for l in range(len(lin)):
                    lin[l] = lin[l].strip('(')#去掉左右的（（
                while '' in lin:#将空格字符串删除
                    lin.remove('')
                #最后一列为空值，需要跳过
                if lin == ls[-1]:
                    break
                x.append(float(lin[0]))#保存文本的第0列数据
                y.append(float(lin[4]))#保存文本的第4列数据
        
        #计算
        # print(y)
        #计算含0的数据
        mean = sum(y)/len(y)
        qh =[]
        for num in y:
            qh.append(pow(num-mean,2))
        qv = pow(sum(qh)/(len(qh)-1),0.5) #标准偏差 
        cv = qv/mean #相对标准偏差
        print('+++++++未操作数据 +++++++')
        print(f'平均值为：{round(mean,4)}')
        print(f'标准偏差（SD）为：{round(qv*100,4)} %\n相对标准偏差（RSD）为：{round(cv*100,4)} %')
        
        #计算去除0后的数据
        y_no_zero = [i for i in y if i!= 0] #去除0元素
        mean_no_zero = sum(y_no_zero)/len(y_no_zero)
        qh_no_zero = [pow(num-mean_no_zero,2) for num in y_no_zero]
        qv_no_zero = pow(sum(qh_no_zero)/(len(qh_no_zero)-1),0.5)
        cv_no_zero = qv_no_zero/mean_no_zero
        print('------------去除 0 数据------------')
        print(f'平均值为：{round(mean_no_zero,4)}')
        print(f'标准偏差（SD）为：{round(qv_no_zero*100,4)} %\n相对标准偏差（RSD）为：{round(cv_no_zero*100,4)} %')
        
        
read_file_text(r'F:\1\t') #只需要更改此处输入 
 

与之前的区别在于一个是通过xyplot导出的，一个是export，两者计算差距较小（https://blog.csdn.net/weixin_43245453/article/details/133220734）。
截图输出如下