Apesar do fato de que na maioria das instituições de ensino da Rússia o trabalho de laboratório ocorre no formato antigo (quando um aluno pobre, coletando dados de equipamentos pré-históricos, medindo manualmente o período de oscilação com um temporizador, tenta dolorosamente encontrar uma explicação para os dados irreais), algumas universidades compraram sensores, placas e (mais importantes) computadores para a conveniência dos alunos. Obviamente, um bom equipamento melhora a precisão do experimento. No entanto, seu humilde servo muitas vezes se deparou com os colegas irritantes: “Bem, o que nos deu esses sensores? "É mais fácil desenhar gráficos com canetas e medir o tempo do que atormentar a programação em um compilador". Eu admito - eu também tive um período de adaptação semelhante, que, no entanto, passou muito rapidamente. Então, eu compartilho minha experiência.
GNUplot
Talvez seja a coisa mais simples que eles possam nos mostrar em primeiro lugar (com a possível exceção de, talvez, Word ou Excel). O processamento de dados usando o gluplot é extremamente simples e não requer conhecimento especial em programação, a linguagem é próxima de algorítmica. Ideal para iniciar o trabalho no processamento de dados gráficos.
Como usar
Suponha que tenhamos um arquivo com dados - uma coluna com os valores de medição de algum parâmetro. Vamos nomear esse arquivo data.dat. Sabemos que os dados são uma distribuição normal, seja a distribuição em massa de um lote de parafusos. Nossa tarefa é determinar o valor médio da massa do parafuso. Minha solução é plotar um histograma a partir dos dados e aproximá-lo com uma curva
. Abaixo está um exemplo de código para essa construção:
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
Na aproximação, os valores de a, bec serão determinados com uma precisão bastante boa. Em nosso problema, é fácil adivinhar que o parâmetro c é o valor médio da massa dos objetos medidos. Assim, usando código simples e algumas considerações, você pode analisar rapidamente os dados coletados.
Minhas conclusões sobre como trabalhar com o GNUplot
Nos casos em que você precisa de processamento gráfico rápido de grandes quantidades de dados (grandes na estrutura do trabalho de laboratório), o GNUplot é ideal. No entanto, às vezes aparecem erros, cuja natureza você precisa pensar. Eu recomendo usá-lo para iniciantes em alguns trabalhos básicos, por exemplo, pesquisa estatística.
Labview
Este monstro foi projetado para verdadeiros proprietários de laboratório! Uma plataforma puramente visual para simular trabalhos de laboratório. Ele próprio coleta dados do ComPorts, processa ele mesmo e cria gráficos dinâmicos. Oportunidades - muito. A maioria dos engenheiros trabalha especificamente para o Labview. MAS! É preciso muito esforço para descobrir isso.
Minhas conclusões sobre como trabalhar com o LabVIEW
Definitivamente não é para iniciantes! Se você quiser, pode esperar alguns dias e descobrir, depois disso o tempo de processamento para o trabalho de laboratório será significativamente reduzido, no qual você poderá usar microcontroladores com sensores (no meu caso, eram de laboratório com todos os tipos de pêndulos).
Python
Essa linguagem é um ótimo achado para os físicos. Na maioria das vezes eu o uso para resolver problemas de física computacional, por exemplo, a solução numérica de equações diferenciais. Como o guplot, essa linguagem é boa para processamento de dados gráficos, possui menos bugs e simplicidade de sintaxe (embora eu não reclame do guplot). Pessoalmente, gosto mais de Python, mas cada um tem o seu.
Como um exemplo de trabalho com Python, dou uma interpolação de pontos pelo polinômio de Lagrange,
porque não havia um exemplo mais óbvio de análise de dados em mãos . A interpolação é geralmente usada para obter uma fórmula aproximada para a dependência de duas quantidades.
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)):
Minhas conclusões sobre como trabalhar com Python
Para mim, Python é uma prioridade. Muito mais recursos que o GNUplot, não exigem muito esforço para entender. Obviamente, o uso do Labview é muito mais profissional, mas como
tenho preguiça de dominar isso exige uma quantidade impressionante de tempo, prefiro aprender todos os encantos do Python.
Em vez de uma conclusão
Nesta breve revisão, decidi compartilhar minha experiência no uso de alguns softwares de processamento de dados. Espero que ele ajude você em suas atividades de pesquisa.
Boa sorte