如何从我的计算中创建更均匀的数据曲线？

Question

我正在尝试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，使其不可读，也无法用于进一步计算。我正在寻找关于我的数据是否糟糕、我的代码是否垃圾的输入，或者在不丢失大部分数据的情况下smooth图表的方法。

# Essa Hattar
# [email protected]
# 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()

对于calc_vert_velocity();

我通过仅在测量到高度变化时计算速度，使数据more可读。这从数据中删除了许多不必要的零。我试过用不同的形式重写方程式。

我正在考虑计算一组3到5分的平均值。但是，我不太愿意这样做，感觉像是篡改了数据。

与matplotlib;

我迭代的一个解决方案是使用 make_interp_spline() 手动 smooth 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，它们都适用于此代码。

我想看看我的逻辑是否有错误，然后再手工梳理数据。

Answer 1

有很多方法可以做到这一点。实际上 numpy 有一些内置函数来生成一维导数，这对您的问题来说可能非常简单，请参阅：Numpy.gradient.

除此之外，根据您的计算，您始终可以使用高斯滤波器“平滑”您的数据，例如，scipy 也有一个内置函数可以执行此操作，请参阅：scipy.ndimage.gaussian_filter1d.

最后但同样重要的是，如果您认为原始数据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，您始终可以使用插值数据在点之间生成数据，scipy 有一个内置的也有此功能，请参阅：scipy.interpolate.interp1d .

所以基本上有很多方式可以回答这个问题，这些功能的组合也值得一试。

希望这对你有用。