Python SNSData 类：从 CSV 文件解析并计算电导率

import numpy as np import pandas as pd from openpyxl import Workbook from openpyxl.utils.dataframe import dataframe_to_rows

class SNSData: def init(self, pandas_dir="./csfNsaline"): self.path = pandas_dir self.raw_data = pd.read_csv(self.path, encoding="utf-8") self.regular_data = {'name': [], 'magnitude': [], 'phase': [], 'frequency': []} self.freq_list = [1, 2, 3, 7, 11, 17, 23, 31, 43, 61, 89, 127, 179, 251, 349]

    for it in self.freq_list:
        self.regular_data['name'].extend(
            self.raw_data['name'] + self.raw_data['name'].isin(['saline']) * self.raw_data[
                'property'])  # 盐水考虑浓度属性，脑脊液不考虑, 在新数据中命名为盐水+浓度
        self.regular_data['magnitude'].extend(self.raw_data[str(it) + 'kHz_mag'])
        self.regular_data['phase'].extend(self.raw_data[str(it) + 'kHz_ang'])
        for i in range(self.raw_data.shape[0]):
            self.regular_data['frequency'].append(it)
    self.regular_data['logFreq'] = np.log10(self.regular_data['frequency'])  # 将频率以对数形式展现
    self.regular_data['R'] = np.array(self.regular_data['magnitude']) * np.cos(
        np.array(self.regular_data['phase']) * 3.14 / 180)  # np.cos默认弧度
    self.regular_data['X'] = np.array(self.regular_data['magnitude']) * np.sin(
        np.array(self.regular_data['phase']) * 3.14 / 180)
    self.regular_data['logMag'] = np.log10(self.regular_data['magnitude'])  # 在bode图中，幅度也是用对数表示的
    '下面利用已知浓度盐水的R和电导率（conductivity）映射关系来得到待测物体的电导率'
    # 创建电导率空列表保持行数一致
    self.regular_data['conductivity'] = [0] * self.raw_data.shape[0] * len(self.freq_list)
    self.df = pd.DataFrame(self.regular_data)
    self.generate_conductivity()

    '重新整理完数据后，整合至pandas数据帧，用get_df方法可以返回该pandas数据帧'

def generate_conductivity(self):
    '''
    映射关系如下
    利用给出的盐水和电导率表自己先写个映射关系
    '''
    conductivity_list = [976, 1987, 3850, 5650, 7450, 9238]  # 该电导率列表对应浓度为0.1,0.5的盐水
    concentration_list = [0.05, 0.10, 0.2, 0.3, 0.4, 0.50]
    saline_real_dict = {}  # 每个频率，每个浓度的盐水的实部，其中同浓度对应同一个电导率

    # 在这里，首先过滤出同一个频率下的所有盐水的real part，然后对同一个浓度的realpart求平均值，这里有七个浓度，将七个平均值打包为一个列表，作为子列表添加入saline_real_list
    for it in self.freq_list:  # 对每一个频率
        one_freq_saline_real_list = []  # 打包用的子列表

        for con in concentration_list:
            # 这里依次为0.05， 0.1, 0.2, 0., 0.4, 0.6的盐水的real part平均值
            saline_concentration = 'saline' + format(con, '.2f') + '%'
            filted_df = self.df[
                self.df['frequency'].isin([it]) & self.df['name'].isin([saline_concentration])]  # 筛选出该频率下浓度0.05的样本
            avg = np.mean(filted_df['R'])  # 求筛选出来的下R的平均值
            one_freq_saline_real_list.append(avg)

        saline_real_dict[it] = one_freq_saline_real_list  # 每一个频率下都有了一个浓度对应的real part列表
        # real part和电导率建立起映射关系，对于单个频率，one_freq_saline_real_list作为x轴，conductivity作为y轴，用np.interp方法, 寻找R对应的电导率
        self.df['conductivity'] += self.df['frequency'].isin([it]) * np.interp(self.df['R'],
                                                                                one_freq_saline_real_list[::-1],
                                                                                conductivity_list[
                                                                                ::-1])  # interp要求x轴为递增序列，因此此处倒序输入

def get_df(self):
    return self.df

def save_20230213NO1_conductivity(): # df = pd.DataFrame(regular_data) snsdata = SNSData(pandas_dir="./2023_2_13No1/2023_2_13_12.csv") df = snsdata.get_df() # 选择特定类型 filtered_df = df[~df['name'].isin(['air'])] rslt_df = filtered_df[filtered_df['property'].str.contains('A|B|C|D|E|F|G|H') & ~filtered_df['name'].isin(['air'])] wb = Workbook() ws = wb.active for r in dataframe_to_rows(rslt_df, index=True, header=True): ws.append(r) wb.save('2023_2_13No1_data1.csv') return None

save_20230213NO1_conductivity()