Python 数据处理代码：从应力应变曲线提取关键参数

该代码使用 Python 处理应力应变曲线数据，从 Abaqus 生成的应力应变曲线数据中提取关键参数，并将其保存到 Excel 文件中。

代码功能包括：

数据读取: 从 CSV 文件中读取应力应变曲线数据以及其他参数数据。
数据预处理: 对数据进行预处理，去除 NaN 值，并对数据进行格式转换。
插值计算: 使用 interp1d 函数对应力应变曲线进行插值计算，以获得更详细的数据点。
关键参数提取: 根据插值后的数据，提取条件屈服点、塑性阶段应变范围以及应力极限点等关键参数。
数据归一化: 对数据进行归一化处理，便于插值计算。
数据保存: 将处理后的数据保存到 Excel 文件中。

代码示例：

import pandas as pd
import numpy as np
from scipy.interpolate import interp1d

M0 = pd.read_csv('E:\shujushuchu\shuchu1.csv')  # 导入四个参数
M1 = pd.read_csv('E:\shujushuchu\shuru1.csv')   # 导入 Abaqus 生成的应力应变曲线的点
B0 = M0.values  
B1 = M1.values  # 将导入到参数转换为矩阵
print(np.size(B1, 0) / 2)  # 0 表示行数，1 表示列数，并赋值给 a1
print(B1[1, 1])  # 因为 py 语言里下标从 0 开始，检查数据的位置是否正确
print(B1.shape)  # 根据这个值来修改 B3、B4 的矩阵大小, 将后者赋值给 z
a1 = 1
z = 160
B3 = np.zeros((a1, z))  # 储存曲线点的矩阵
B4 = np.zeros((a1, z))  # 储存预测参数的矩阵
                          # 这两个矩阵根据前一步的计算结果修改这两个矩阵的大小，a1 做为行元素的大小，而列元素大小要大于 B1 的 shape
a2 = 0  # 用于循环填充 B3

for i in range(1, a1 + 1):  # a1 值加 1 放在这儿，总循环，以行为单位
    a3 = np.sum(~np.isnan(B1[i, :])) # 表格到进来后存在 nan 值，此处去除 nan 值，并且获得该行的长度，之后用到 a3 值错位行的长度，才能够实现插值（存在 0 会报错）
    B5 = np.zeros((2, a3))  # B5 矩阵用于两两储存对应的应力应变点，便于之后的循环
    for i1 in range(1, a3 + 1):
        B5[0, i1 - 1] = B1[2 * i - 2, i1 - 1]
        B5[1, i1 - 1] = B1[2 * i - 1, i1 - 1]   # 将应力应变数据储存为两行数据

    B2 = np.zeros((2, a3))  # 创建一个空矩阵（该矩阵将用于储存应力应变曲线塑性阶段的点）
    C = B5[1, 2] / B5[0, 2]  # 计算弹性模量
    a5 = np.size(B5, 1)  # 计算 B5 矩阵有多少行
    a4 = 2   # 用于之后循环跳出
    B7 = np.zeros((2, 3))   # 创建空的 B7 矩阵便于储存条件屈服点（从弹性阶段进入塑性阶段）附近的三个点（用于寻找条件屈服点）
    for ii in range(2, a5):  

        if B5[1, ii - 1] <= C * (B5[0, ii - 1] - 0.002):  # 寻找生成的数据中从弹性阶段进入塑性阶段瞬间的后一个点
            a4 = a4 + 1
            if a4 == 3:
                a6 = ii
                B7[0, 2] = B5[0, ii - 1]
                B7[1, 2] = B5[1, ii - 1]
            B2[0, a4 - 1] = B5[0, ii - 1]
            B2[1, a4 - 1] = B5[1, ii - 1]  # 这两行循环储存条件屈服点后的实验数据于 B2 矩阵中


    B7[0, 0] = B5[0, a6 - 3]
    B7[0, 1] = B5[0, a6 - 2]
    B7[1, 0] = B5[1, a6 - 3]
    B7[1, 1] = B5[1, a6 - 2]    # 该部分在 B7 中储存了条件屈服那一瞬间的后一个点和前两个点（用于后面的插值计算）
    B2[0, 1] = B5[0, a6 - 2]
    B2[1, 1] = B5[1, a6 - 2]    # 该部分在 B2 中储存了条件屈服那一瞬间的后一个点
    a11 = (B7[0, 2] - B7[0, 1]) / 500   # 将储存的三个点长度细分单位长度，用于插值计算获得中间更多的点
    f1 = interp1d(B7[0, :], B7[1, :], kind='linear')  # 定义插值计算的数组、范围以及插值类型
    for i2 in np.arange(B7[0, 1], B7[0, 2], a11):  # 利用 for 循环将数据细分并一一进行插值计算

        a12 = f1(i2)
        a13 = a12
        if a12 <= C * (i2 - 0.002):   # 寻找条件屈服点的准确大概值
            B2[0, 1] = i2 - a11         # 将条件屈服点应变储存进 B2
            B2[1, 1] = a13 - C * a11      # 将条件屈服点应力储存进 B2
            break

    B6 = np.zeros((2, 10000))       # 创建空白矩阵，用于插值计算条件屈服点后的点
    a7 = (np.max(B2[0, :]) - B2[0, 1]) / 500    # 将塑性阶段细分单位长度用于插值计算
    a10 = 0    # 用于循环递增储存插值后的细分的塑性阶段的点
    B2 = B2[:, np.nonzero(np.sum(B2, axis=0))[0]]    # 去除矩阵末尾没储存数据的 0 值，保证插值计算的正常进行
    f2 = interp1d(B2[0, :], B2[1, :], kind='cubic')    # 定义插值计算的数组、范围以及插值类型
    for i3 in np.arange(B2[0, 0], np.max(B2[0, :]) + a7, a7):    # 利用 for 循环将数据细分并一一进行插值计算
        a20 = i3 + a7
        a22 = np.max(B2[0, :])
        if a20 > a22:
            a20 = a22
        a9 = f2(a20)
        a23 = i3
        if a23 > a22:
            a23 = a22
        a8 = f2(a23)       # 为了寻找塑性失稳点，差值范围之前设置只到了原始数据的最大值处，插值时可能会超过这个范围而不能正常进行，所以将超过的部分等最大点处的数据
        derivative = (a9 - a8) / a7   # 计算曲线的斜率
        if derivative - a9 >= 0:    # 在斜率减缓到 0 之前，将所有的插值点都循环储存到 B6 矩阵里
            a10 += 1
            B6[0, a10 - 1] = i3
            B6[1, a10 - 1] = a8


    
    B6 = B6[:, np.nonzero(np.sum(B6, axis=0))[0]]     # 去除矩阵末尾没储存数据的 0 值，保证插值计算的正常进行
    df = pd.DataFrame(B6)
    writer = pd.ExcelWriter('output3.xlsx', engine='openpyxl')
    df.to_excel(writer, sheet_name='Sheet1', index=False)
    writer.book.save('output3.xlsx')

    
    if np.max(B6[0, :]) > 0.47:      # 将未能插值计算到应力极限点的数据去除掉（不能进行接下来的循环的话将不会储存进最终的矩阵里）
        continue
    else:
        a2 += 1
        for iiii in range(1, 5):
            B4[a2 - 1, iiii - 1] = B0[i - 1, iiii - 1]    # 将参数储存进 B4 矩阵中

        B3[a2 - 1, 9] = np.min(B6[0, :])
        B3[a2 - 1, 10] = np.max(B6[0, :])    # 将塑性阶段应变的最大值与最小值储存到 B3 矩阵中的第 9 列与第 10 列
        B6[0, :] = (B6[0, :] - B6[0, 0]) / (max(B6[0, :]) - B6[0, 0])   # 将 B6 中的数据做归一化处理便于之后的插值计算（用于插值时取对应比例处的值）
        
                
        f = interp1d(B6[0, :], B6[1, :], kind='cubic')    # 定义插值计算的数组、范围以及插值类型
        xx = np.array([0, 0.03, 0.09, 0.18, 0.3, 0.45, 0.63, 0.84, 1.0])    
        yy = f(xx)                                              # 取得 xx 比例处的值

        for iii in range(1, 10):
            B3[a2 - 1, iii - 1] = yy[iii - 1]  # 将按比例选取的 9 个值储存进 B3 矩阵当中
            
# 完成数据的处理

B3 = B3[:, np.nonzero(np.sum(B3, axis=0))[0]]
B4 = B4[:, np.nonzero(np.sum(B4, axis=0))[0]]  # 去除矩阵中的多余 0 的值便于储存数据
df = pd.DataFrame(B3)
writer = pd.ExcelWriter('output1.xlsx', engine='openpyxl')
df.to_excel(writer, sheet_name='Sheet1', index=False)
writer.book.save('output1.xlsx')
df = pd.DataFrame(B4)
writer = pd.ExcelWriter('output2.xlsx', engine='openpyxl')
df.to_excel(writer, sheet_name='Sheet1', index=False)
writer.book.save('output2.xlsx')                          # 将数据生成为表格

可能出现的错误原因：

数据文件路径错误: 确保文件路径正确，并使用双斜杠 () 或原始字符串 (r"E:\shujushuchu\shuchu1.csv") 来表示路径。
数据文件格式错误: 确保导入的数据文件是 CSV 格式，并且数据文件的结构与代码中预期一致。
矩阵大小错误: 确保 B3 和 B4 的大小根据 B1 的形状进行修改，与预期一致。
插值函数参数错误: 确保使用的插值函数 (interp1d) 的参数与预期一致，包括插值类型 (kind) 和插值范围。
数据处理逻辑错误: 仔细检查代码中所有条件和循环的逻辑是否正确，确保满足预期的数据选择和处理需求。

如果问题仍然存在，请提供更多的错误信息和示例数据，以便更好地理解和调试问题。