🧚 👩🏽‍🤝‍👨🏿 ☝🏽 एक भौतिक प्रयोग से डेटा प्रसंस्करण के तरीके 😾 🧙 👩🏾‍🎤

इस तथ्य के बावजूद कि रूस में अधिकांश शैक्षणिक संस्थानों में पुराने प्रारूप में काम होता है (जब एक गरीब छात्र, प्रागैतिहासिक उपकरणों से डेटा एकत्र करना, मैन्युअल रूप से टाइमर के साथ दोलन अवधि को मापना, दर्द रहित रूप से अवास्तविक डेटा के लिए स्पष्टीकरण खोजने की कोशिश करता है, कुछ विश्वविद्यालयों ने सेंसर, बोर्ड और खरीदे हैं) (सबसे महत्वपूर्ण) छात्रों की सुविधा के लिए कंप्यूटर। बेशक, अच्छे उपकरण प्रयोग की सटीकता में सुधार करते हैं। फिर भी, आपका विनम्र सेवक कई बार सहपाठियों की छटपटाहट में आया: “अच्छा, हमें ये सेंसर क्या दिया? "यह एक कलमकार पर प्रोग्रामिंग के साथ पीड़ा से अधिक है, कलम और माप समय के साथ ग्राफिक्स आकर्षित करने के लिए आसान है।" मैं स्वीकार करता हूं - मेरे पास अनुकूलन की एक समान अवधि भी थी, जो हालांकि, बहुत जल्दी पारित हो गई। इसलिए, मैं अपना अनुभव साझा करता हूं।

gnuplot

शायद यह सबसे सरल बात है कि वे हमें पहले स्थान पर दिखा सकते हैं (शायद, शब्द या एक्सेल के संभावित अपवाद के साथ)। ग्लूप्लोट का उपयोग करके डेटा संसाधित करना बेहद सरल है और प्रोग्रामिंग में विशेष ज्ञान की आवश्यकता नहीं है, भाषा एल्गोरिदम के करीब है। ग्राफिकल डेटा प्रोसेसिंग पर काम शुरू करने के लिए आदर्श।

कैसे उपयोग करें

मान लें कि हमारे पास डेटा के साथ एक फ़ाइल है - कुछ पैरामीटर के माप मूल्यों के साथ एक कॉलम। इस फाइल को data.dat नाम दें। हम जानते हैं कि डेटा एक सामान्य वितरण है, इसे शिकंजा के एक बैच के बड़े पैमाने पर वितरण होने दें। हमारा काम पेंच के द्रव्यमान के औसत मूल्य को निर्धारित करना है। मेरा समाधान डेटा से हिस्टोग्राम की साजिश करना है और फिर इसे वक्र के साथ अनुमानित करना है

f (x) = a e^{} f r a c {(x - c)}^{2} b

$f (x) = ae ^ \ frac {{(x-c)} ^ 2} {b}$ । नीचे इस तरह के निर्माण के लिए कोड का एक उदाहरण है:

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

अनुमान लगाने पर, ए, बी और सी के मूल्यों को काफी अच्छी सटीकता के साथ निर्धारित किया जाएगा। हमारी समस्या में, यह अनुमान लगाना आसान है कि मापी गई वस्तुओं के द्रव्यमान का औसत मान c है। इस प्रकार, सरल कोड और कुछ विचारों का उपयोग करके, आप एकत्रित डेटा का त्वरित विश्लेषण कर सकते हैं।

GNUplot के साथ काम करने के बारे में मेरा निष्कर्ष

ऐसे मामलों में जहां आपको बड़ी मात्रा में डेटा (प्रयोगशाला कार्य के ढांचे में बड़े) की तेजी से चित्रमय प्रसंस्करण की आवश्यकता होती है, जीएनयूप्लॉट आदर्श है। फिर भी, कभी-कभी बग दिखाई देते हैं, जिस प्रकृति के बारे में आपको सोचना है। मैं कुछ बुनियादी काम के लिए शुरुआती के लिए इसका उपयोग करने की सलाह देता हूं, उदाहरण के लिए, सांख्यिकीय अनुसंधान।

LabVIEW

यह राक्षस असली लैब मालिकों के लिए बनाया गया है! प्रयोगशाला कार्य के अनुकरण के लिए विशुद्ध रूप से दृश्य मंच। यह स्वयं ComPorts से डेटा एकत्र करता है, इसे स्वयं संसाधित करता है, और स्वयं गतिशील रेखांकन बनाता है। अवसर - बहुत कुछ। ज्यादातर इंजीनियर विशेष रूप से लैबव्यू के लिए काम करते हैं। लेकिन! इसका पता लगाने में काफी मेहनत लगती है।

LabVIEW के साथ काम करने के बारे में मेरा निष्कर्ष

निश्चित रूप से शुरुआती के लिए नहीं! यदि आप चाहें, तो आप कुछ दिनों तक बैठ सकते हैं और इसका पता लगा सकते हैं, इसके बाद प्रयोगशाला के काम के लिए प्रसंस्करण समय जिसमें आप सेंसर के साथ माइक्रोकंट्रोलर का उपयोग कर सकते हैं (मेरे मामले में यह सभी प्रकार के पेंडुलम के साथ प्रयोगशाला था) काफी कम हो जाएगा।

अजगर

यह भाषा भौतिकविदों के लिए एक महान खोज है। सबसे अधिक बार मैं इसका उपयोग कम्प्यूटेशनल भौतिकी की समस्याओं को हल करने के लिए करता हूं, उदाहरण के लिए, अंतर समीकरणों का संख्यात्मक समाधान। गुप्लोट की तरह, यह भाषा चित्रमय डेटा प्रसंस्करण के लिए अच्छी है, इसमें सिंटैक्स की कम कीड़े और सादगी है (हालांकि मुझे गुप्लेट के बारे में शिकायत नहीं है)। व्यक्तिगत रूप से, मुझे पायथन अधिक पसंद है, लेकिन हर एक का अपना है।

पायथन के साथ काम करने के एक उदाहरण के रूप में, मैं लैग्रेंज बहुपद द्वारा बिंदु प्रक्षेप करता हूं, ~~क्योंकि हाथ में डेटा विश्लेषण का कोई और अधिक स्पष्ट उदाहरण नहीं था~~ । आमतौर पर दो मात्राओं की निर्भरता के लिए अनुमानित फॉर्मूला प्राप्त करने के लिए इंटरपोलेशन का उपयोग किया जाता है।

 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)): #  if i == j:#      n = n * 1 dn = dn * 1 else: n = n * (t - x[i]) dn = dn * (x[j] - x[i]) lag = lag + y[j] * n / dn return lag xk = np.linspace(-1, 1, 11) yk = 1/(1+xk**2) xnew = np.linspace(-1, 1, 200) ynew = [f(xk, yk, i) for i in xnew] plt.title(u'  ') plt.xlabel(u'x') plt.ylabel(u'y') plt.plot(xk, yk, '.', xnew, ynew) plt.grid() plt.show()

पायथन के साथ काम करने के बारे में मेरा निष्कर्ष

मेरे लिए, पायथन एक प्राथमिकता है। GNUplot की तुलना में बहुत अधिक विशेषताओं को समझने के लिए बहुत प्रयास की आवश्यकता नहीं है। बेशक, लैबव्यू का उपयोग बहुत अधिक पेशेवर है, लेकिन चूंकि ~~मैं~~ मास्टर होने के लिए ~~बहुत आलसी हूं~~ , इसके लिए प्रभावशाली समय की आवश्यकता होती है, मैं अजगर के सभी आकर्षण सीखना पसंद करता हूं।

एक निष्कर्ष के बजाय

इस छोटी समीक्षा में, मैंने कुछ डेटा प्रोसेसिंग सॉफ्टवेयर का उपयोग करने में अपने अनुभव को साझा करने का निर्णय लिया। मुझे आशा है कि वह आपकी शोध गतिविधियों में आपकी सहायता करेगा।

अ छा!

एक भौतिक प्रयोग से डेटा प्रसंस्करण के तरीके