当前位置：首页 > article >正文

pthon转换SR785频谱仪的代码

article 2025/3/20 2:34:06

SR785频谱仪保存的文件格式是.78D，需要进行转换成记事本的格式，然后再对数据进行处理。

前提：

1：已经在C盘安装了SR785官网的转换程序。

2：python调用cmd主要用到的是subprocess模块，用代码前先测试一下这个模块能不能用，能用的话就可以继续进行。不行的话就需要安装一下request 库（一般都不用管，基本上安装python的时候就有了）

1 Python转换.78D文件。

import subprocess

# 使用 cmd.exe 执行 echo 命令
result = subprocess.run(['cmd.exe', '/c', 'echo', 'Hello, World!'], capture_output=True, text=True)

# 输出命令执行结果
print(result.stdout)

import os
import subprocess

# 定义要检索的文件夹路径
folder_path = r"C:\SRTRANS"
# 用于存储符合条件的文件名
file_list = []

# 检查指定的文件夹是否存在
if os.path.exists(folder_path):
    # 遍历文件夹及其子文件夹，找出所有 .78D 文件
    for root, dirs, files in os.walk(folder_path):
        for file in files:
            if file.lower().endswith('.78d'):
                file_list.append(file)

    print("找到的 .78D 文件列表：", file_list)
    print("找到的 .78D 文件个数：", len(file_list))

    # srtrans 可执行文件的完整路径
    srtrans_path = os.path.join(folder_path, "srtrans.exe")

    # 检查 srtrans 可执行文件是否存在
    if not os.path.exists(srtrans_path):
        print(f"srtrans 可执行文件 {srtrans_path} 不存在，请检查。")
    else:
        for file in file_list:
            try:
                # 构造完整的文件路径
                full_file_path = os.path.join(folder_path, file)
                # 构造转换命令
                command = [srtrans_path, '/Oasc', full_file_path]
                # 执行命令
                result = subprocess.run(command, capture_output=True, text=True, check=True)
                output = result.stdout
                if "Finshed" in output:
                    print(f"文件 {file} 转换完成。")
                else:
                    print(f"文件 {file} 转换可能出现问题，输出信息：{output}")
            except subprocess.CalledProcessError as e:
                print(f"处理文件 {file} 时出现错误，错误信息：{e.stderr}")
            except Exception as e:
                print(f"处理文件 {file} 时出现未知错误：{e}")
else:
    print(f"指定的文件夹 {folder_path} 不存在。")


print("运行结束")

python的subprocess模块安装_mob64ca12f028ff的技术博客_51CTO博客

2.78D转换后的文件为.asc文件，需要再转换为.csv文件再进行绘图。

import csv
import numpy as np
import matplotlib.pyplot as plt

# 定义 ASC 文件路径和初始 CSV 文件路径
asc_file_path = r'C:\SRTRANS\srs012.asc'
csv_file_path = r'C:\SRTRANS\output.csv'
# 定义拆分后新的 CSV 文件路径
split_csv_file_path = r'C:\SRTRANS\output_split.csv'

# 步骤 1: 按行读取 ASC 文件并写入 CSV 文件
with open(asc_file_path, 'r', encoding='utf-8') as asc_file, open(csv_file_path, 'w', newline='', encoding='utf-8') as csv_file:
    csv_writer = csv.writer(csv_file)
    for line in asc_file:
        csv_writer.writerow([line.strip()])

# 步骤 2: 提取数据部分（从 X[Hz] 行之后的两列数值）
data = []
in_data_section = False
with open(asc_file_path, 'r', encoding='utf-8') as asc_file:
    for line in asc_file:
        if line.strip().startswith('    X[Hz]'):
            in_data_section = True
            continue
        if in_data_section:
            parts = line.strip().split()
            if len(parts) == 2:
                try:
                    x = float(parts[0])
                    y = float(parts[1])
                    data.append([x, y])
                except ValueError:
                    continue

# 步骤 3: 若提取到有效数据，计算第二列的最大值
if data:
    data_array = np.array(data)
    max_value = np.max(data_array[:, 1])
    print(f"第二列的最大值是: {max_value}")
else:
    print("未提取到有效数据，请检查文件格式。")

# 步骤 4: 若提取到有效数据，绘制图形
if data:
    plt.plot(data_array[:, 0], data_array[:, 1])
    plt.xlabel('X[Hz]')
    plt.ylabel('Vrms/Hz^(1/...)')
    plt.title('Data Plot')
    plt.grid(True)
    plt.show()

# 步骤 5: 将 CSV 文件中第 11 行到第 812 行根据空格拆分成两列
with open(csv_file_path, 'r', encoding='utf-8') as infile, \
        open(split_csv_file_path, 'w', newline='', encoding='utf-8') as outfile:
    reader = csv.reader(infile)
    writer = csv.writer(outfile)

    for i, row in enumerate(reader, start=1):
        if 11 <= i <= 812:
            line_content = row[0]
            parts = line_content.split()
            if len(parts) == 2:
                writer.writerow(parts)
            else:
                writer.writerow(row)
        else:
            writer.writerow(row)

3.批量处理.asc文件

代码说明：

数据读取与预处理：
- 与之前的代码类似，先将 .asc 文件内容按行保存到 .csv 文件，再将 .csv 文件中第 11 - 812 行按空格拆分成两列保存到 _split.csv 文件的第 6、7 列。
- 读取 _split.csv 文件的第 11 - 812 行，将第 6 列数据存储在 column_6_data 列表，第 7 列数据存储在 column_7_data 列表。
寻找第 7 列的 3 个最大值：
- 使用 np.argsort 函数对 column_7_data 进行降序排序，得到排序后的索引。
- 遍历排序后的索引，对于每个索引，检查它与已选中的最大值索引对应的第 6 列数据的频率间隔是否至少为 50Hz。如果满足条件，则将该索引添加到 selected_max_indices 列表中。
- 当 selected_max_indices 列表长度达到 3 时，停止遍历。
计算对应第 6 列的平均值：
- 如果找到了 3 个满足条件的最大值，提取这些最大值及其对应的第 6 列频率值。
- 计算这些频率值的平均值并输出。
绘图：
- 如果有有效数据，根据 _split.csv 文件的第 6、7 列数据绘制图形。

import os
import csv
import numpy as np
import matplotlib.pyplot as plt


def process_asc_file(asc_file_path):
    # 生成对应的 CSV 文件路径
    csv_file_path = os.path.splitext(asc_file_path)[0] + '.csv'
    split_csv_file_path = os.path.splitext(asc_file_path)[0] + '_split.csv'

    # 步骤 1: 按行读取 ASC 文件并写入 CSV 文件
    with open(asc_file_path, 'r', encoding='utf-8') as asc_file, open(csv_file_path, 'w', newline='',
                                                                      encoding='utf-8') as csv_file:
        csv_writer = csv.writer(csv_file)
        for line in asc_file:
            csv_writer.writerow([line.strip()])

    # 步骤 2: 提取数据部分（从 X[Hz] 行之后的两列数值）
    data = []
    in_data_section = False
    with open(asc_file_path, 'r', encoding='utf-8') as asc_file:
        for line in asc_file:
            if line.strip().startswith('    X[Hz]'):
                in_data_section = True
                continue
            if in_data_section:
                parts = line.strip().split()
                if len(parts) == 2:
                    try:
                        x = float(parts[0])
                        y = float(parts[1])
                        data.append([x, y])
                    except ValueError:
                        continue

    # 步骤 3: 若提取到有效数据，计算原数据第二列的最大值
    if data:
        data_array = np.array(data)
        max_value = np.max(data_array[:, 1])
        print(f"文件 {os.path.basename(asc_file_path)} 原数据第二列的最大值是: {max_value}")
    else:
        print(f"文件 {os.path.basename(asc_file_path)} 未提取到有效数据，请检查文件格式。")

    # 步骤 4: 将 CSV 文件中第 11 行到第 812 行根据空格拆分成两列并保存到第 6、7 列
    with open(csv_file_path, 'r', encoding='utf-8') as infile, \
            open(split_csv_file_path, 'w', newline='', encoding='utf-8') as outfile:
        reader = csv.reader(infile)
        writer = csv.writer(outfile)

        for i, row in enumerate(reader, start=1):
            new_row = row.copy()
            if 11 <= i <= 812:
                line_content = row[0]
                parts = line_content.split()
                if len(parts) == 2:
                    # 确保新行有足够的列数
                    while len(new_row) < 7:
                        new_row.append('')
                    new_row[5] = parts[0]
                    new_row[6] = parts[1]
            writer.writerow(new_row)

    # 步骤 5: 在 _split.csv 文件中寻找第 7 列的 3 个最大值及对应第 6 列的平均值
    column_6_data = []
    column_7_data = []
    with open(split_csv_file_path, 'r', encoding='utf-8') as csvfile:
        reader = csv.reader(csvfile)
        for i, row in enumerate(reader, start=1):
            if 11 <= i <= 812 and len(row) >= 7:
                try:
                    freq = float(row[5])
                    value = float(row[6])
                    column_6_data.append(freq)
                    column_7_data.append(value)
                except ValueError:
                    continue

    if len(column_7_data) >= 3:
        sorted_indices = np.argsort(column_7_data)[::-1]
        selected_max_indices = []
        for index in sorted_indices:
            if not selected_max_indices:
                selected_max_indices.append(index)
            else:
                # 检查间隔是否至少为 50Hz
                is_valid = True
                for selected_index in selected_max_indices:
                    if abs(column_6_data[index] - column_6_data[selected_index]) < 50:
                        is_valid = False
                        break
                if is_valid:
                    selected_max_indices.append(index)
            if len(selected_max_indices) == 3:
                break

        if len(selected_max_indices) == 3:
            max_values = [column_7_data[i] for i in selected_max_indices]
            corresponding_freqs = [column_6_data[i] for i in selected_max_indices]
            avg_freq = np.mean(corresponding_freqs)
            print(f"文件 {os.path.basename(split_csv_file_path)} 第 7 列的 3 个最大值是: {max_values}")
            print(f"对应的第 6 列频率的平均值是: {avg_freq}")
        else:
            print(f"文件 {os.path.basename(split_csv_file_path)} 未找到满足间隔至少 50Hz 的 3 个最大值。")
    else:
        print(f"文件 {os.path.basename(split_csv_file_path)} 第 7 列数据不足，无法找到 3 个最大值。")

    # 步骤 6: 若提取到有效数据，根据第 6 列和第 7 列的数据画图
    if data:
        plot_data = []
        with open(split_csv_file_path, 'r', encoding='utf-8') as csvfile:
            reader = csv.reader(csvfile)
            for i, row in enumerate(reader, start=1):
                if 11 <= i <= 812 and len(row) >= 7:
                    try:
                        x = float(row[5])
                        y = float(row[6])
                        plot_data.append([x, y])
                    except ValueError:
                        continue
        if plot_data:
            plot_array = np.array(plot_data)
            plt.plot(plot_array[:, 0], plot_array[:, 1])
            plt.xlabel('Column 6 Data')
            plt.ylabel('Column 7 Data')
            plt.title(f'Plot for {os.path.basename(asc_file_path)}')
            plt.grid(True)
            plt.show()


# 指定要检索的文件夹路径
folder_path = r"your_file_adress" #替换你要分析的数据地址

# 检索文件夹下所有的 .asc 文件
asc_files = [os.path.join(folder_path, f) for f in os.listdir(folder_path) if f.lower().endswith('.asc')]

# 处理每个 .asc 文件
for asc_file in asc_files:
    process_asc_file(asc_file)

该程序的bug：画图的部门好像一直不出图片。

查看全文

http://www.kler.cn/a/591974.html