我正试图从火箭发射中获取原始数据并计算各种变量。我计算的速度非常不稳定，使得它无法读取，也无法用于进一步的计算。我正在寻找输入是否我的数据是坏的，我的代码是垃圾，或者一种方法来平滑图而不丢失我的大部分数据。
输出图
# Essa Hattar
# essa.hattar@wmich.edu
# the purpose of this code is to extract rocket data from a json file and graph its variables
import matplotlib.pyplot as plt
import numpy as np
from scipy.interpolate import make_interp_spline
import json
# set folders to pull from file
time = []
total_speed = [] # NOTE: turns out "velocity" is total SPEED not vertical velocity
altitude = []
def file_name():
while True:
json_name = input('Enter the json file name: ')
try:
data = open((json_name + '.json'), 'r')
data.close()
return json_name
except FileNotFoundError:
print(f'The file name {json_name}.json does not exist')
def extract_data(json_name):
data = open((json_name + '.json'), 'r')
# for every line in file
for line in data:
line_dict = json.loads(line)
# sets data from dict into folders
time.append(line_dict.get('time'))
total_speed.append(line_dict.get('velocity'))
altitude.append(line_dict.get('altitude'))
# close file b/c not needed anymore
data.close()
return time, total_speed, altitude
def calc_vert_velocity(time, altitude):
# velocity == change in distance/ time
velocity = [0]
time_v = [0] # time and velocity folder need to be same length for graph, so I need a new time folder
# these are all the "start" variables that I will refer too
time_last = 0
altitude_last = 0
for i in range(len(time)):
if altitude_last != altitude[i]:
# calc
velocity_temp = (altitude[i] - altitude_last) / (time[i] - time_last)
# velocity_temp *= 1000 # convert to meters
velocity_temp = round(velocity_temp, 2)
# append folder
velocity.append(velocity_temp)
time_v.append(time[i])
# set condition variables
time_last = time[i]
altitude_last = altitude[i]
return velocity, time_v
def calc_acceleration(time_v, velocity):
pass
def show_graph(json_name, time, altitude, velocity, time_v):
plt.figure(figsize=(10, 5))
# altitude/time
plt.subplot(121)
plt.plot(time, altitude, 'g')
plt.title('Altitude/Time')
plt.xlabel('Seconds')
plt.ylabel('Km')
# velocity/time
plt.subplot(122)
# here down is with spline
x = np.array(time_v)
y = np.array(velocity)
X_Y_Spline = make_interp_spline(x, y)
# Returns evenly spaced numbers
# over a specified interval.
X_ = np.linspace(x.min(), x.max(), 200)
Y_ = X_Y_Spline(X_)
plt.plot(X_, Y_, 'b')
# here up is with spline
"""
plt.plot(time_v, velocity, 'b', linewidth=.5) # without spline
"""
plt.title('Velocity/Time')
plt.xlabel('Seconds')
plt.ylabel('Km/s')
plt.suptitle(f'{json_name} Telemetry')
plt.show()
def main():
# get file name from user
json_name = file_name()
time, total_speed, altitude = extract_data(json_name)
velocity, time_v = calc_vert_velocity(time, altitude)
show_graph(json_name, time, altitude, velocity, time_v)
main()
calc_vert_velocity ()
;我通过只计算测量高度变化时的速度使数据更具可读性。这从数据中删除了许多不必要的零。我已经试着用不同的形式重写了这个方程。
我正在考虑计算一组3到5分的平均值。但是，我不愿意这样做，因为它感觉像是数据篡改。
与<<p> strong> matplotlib ;我迭代的一个解决方案是使用make_interp_spline()手动平滑数据曲线。这是我正在使用的数据的链接https://data.world/argoolsbee/spacex-launch-telemetry/workspace/file?filename=CRS-11 + raw.json。您可以使用这些文件中的任何一个，它们都与此代码一起工作。
在我手工梳理数据之前，我想看看我的逻辑是否有错误。
有很多方法可以做到这一点。实际上numpy有一些内置的函数来生成1d导数，这可以很直接地解决你的问题，参见:numpy .gradient.
除此之外，根据你的计算，你总是可以"平滑"。例如，scipy有一个内置的函数来做这件事，参见:scipy.ndimage.gaussian_filter1d.
最后，但并非最不重要的是，如果您认为原始数据上的数据变化可能是突然的，因为它们缺乏分辨率，但您相信数据，您可以始终使用插值数据在您的点之间生成数据，scipy也有一个内置函数，请参阅:scipy.interpolate.interp1d.
所以基本上有很多方式来回答这个问题，这些功能的组合也值得一试。
希望这对你有用。