Malgré le fait que dans la plupart des établissements d'enseignement en Russie, les travaux de laboratoire ont lieu dans l'ancien format (lorsqu'un étudiant pauvre, collectant des données à partir d'un équipement préhistorique, mesurant manuellement la période d'oscillation avec une minuterie, tente douloureusement de trouver une explication pour les données irréalistes), certaines universités ont acheté des capteurs, des cartes et (le plus important) des ordinateurs pour le confort des étudiants. Bien sûr, un bon équipement améliore la précision de l'expérience. Néanmoins, votre humble serviteur est tombé à plusieurs reprises sur le harcèlement de ses camarades de classe: «Eh bien, qu'est-ce qui nous a donné ces capteurs? "Il est plus facile de dessiner des graphiques avec des stylos et de mesurer le temps que de le tourmenter avec la programmation sur un ordinateur." J'avoue - j'ai également eu une période d'adaptation similaire, qui s'est toutefois déroulée assez rapidement. Je partage donc mon expérience.
GNUplot
C'est peut-être la chose la plus simple qu'ils pourraient nous montrer en premier lieu (à l'exception peut-être de Word ou Excel). Le traitement des données à l'aide de gluplot est extrêmement simple et ne nécessite pas de connaissances particulières en programmation, le langage est proche de l'algorithmique. Idéal pour débuter le travail sur le traitement graphique des données.
Comment utiliser
Supposons que nous ayons un fichier avec des données - une colonne avec les valeurs de mesure de certains paramètres. Nommons ce fichier data.dat. Nous savons que les données sont une distribution normale, que ce soit la distribution de masse d'un lot de vis. Notre tâche consiste à déterminer la valeur moyenne de la masse de la vis. Ma solution est de tracer un histogramme à partir des données, puis de l'approximer avec une courbe
. Voici un exemple de code pour une telle construction:
bin_width=0.1 set boxwidth 0.9*bin_width absolute bin_num(x)=floor(x/bin_width) rounded(x)=bin_width*(bin_number(x)+0.5) plot 'data.dat' using (rounded($1)):(1) smooth frequency with boxes set table 'table.dat' replot # , unset table f(x)=a*exp(-(xc)**2/b) a=6# "" b=0.01 c=2 fit f(x) 'table.dat' using 1:2 via a, b, c plot f(x), 'data.dat' using (rounded($1)):(1) smooth frequency with boxes
Dans l'approximation, les valeurs de a, b et c seront déterminées avec une assez bonne précision. Dans notre problème, il est facile de deviner que le paramètre c est la valeur moyenne de la masse des objets mesurés. Ainsi, en utilisant un code simple et quelques considérations, vous pouvez rapidement analyser les données collectées.
Mes conclusions sur le travail avec GNUplot
Dans les cas où vous avez besoin d'un traitement graphique rapide de grandes quantités de données (volumineuses dans le cadre d'un travail en laboratoire), GNUplot est idéal. Néanmoins, parfois des bugs apparaissent, dont vous devez penser à la nature. Je recommande de l'utiliser pour les débutants pour certains travaux de base, par exemple, la recherche statistique.
Labview
Ce monstre est conçu pour les vrais propriétaires de laboratoire! Une plateforme purement visuelle pour simuler le travail en laboratoire. Il collecte lui-même les données de ComPorts, les traite lui-même et construit lui-même des graphiques dynamiques. Opportunités - beaucoup. La plupart des ingénieurs travaillent spécifiquement pour Labview. MAIS! Il faut beaucoup d'efforts pour le comprendre.
Mes conclusions sur le travail avec LabVIEW
Certainement pas pour les débutants! Si vous le souhaitez, vous pouvez vous asseoir quelques jours et le comprendre, après quoi le temps de traitement pour les travaux de laboratoire sera considérablement réduit, dans lequel vous pouvez utiliser des microcontrôleurs avec des capteurs (dans mon cas, il s'agissait de laboratoires avec toutes sortes de pendules).
Python
Ce langage est une excellente trouvaille pour les physiciens. Le plus souvent, je l'utilise pour résoudre des problèmes de physique computationnelle, par exemple, la solution numérique d'équations différentielles. Comme guplot, ce langage est bon pour le traitement graphique des données, il a moins de bugs et une simplicité de syntaxe (même si je ne me plains pas de guplot). Personnellement, j'aime plus Python, mais chacun a le sien.
Comme exemple de travail avec Python, je donne l'interpolation ponctuelle par le polynôme de Lagrange,
car il n'y avait pas d'exemple plus évident d'analyse de données à portée de main . L'interpolation est généralement utilisée pour obtenir une formule approximative de la dépendance de deux quantités.
import numpy as np import matplotlib.pyplot as plt def f(x, y, t): lag = 0 for j in range(len(y)): n = 1 dn = 1 for i in range(len(x)):
Mes conclusions sur le travail avec Python
Pour moi, Python est une priorité. Beaucoup plus de fonctionnalités que GNUplot, ne nécessite pas beaucoup d'efforts pour comprendre. Bien sûr, l'utilisation de Labview est beaucoup plus professionnelle, mais comme
je suis trop paresseux pour le maîtriser, cela demande un temps impressionnant, je préfère apprendre tous les charmes de Python.
Au lieu d'une conclusion
Dans cette brève revue, j'ai décidé de partager mon expérience dans l'utilisation de certains logiciels de traitement de données. J'espère qu'il vous aidera dans vos activités de recherche.
Bonne chance!