尽管事实上，在俄罗斯的大多数教育机构中，实验室工作都是按旧格式进行的（当一个贫穷的学生从史前设备中收集数据，用计时器手动测量振荡周期，为找到不切实际的数据而苦苦寻找解释），一些大学还是购买了传感器，电路板和（最重要的）计算机，方便学生使用。 当然，好的设备可以提高实验的准确性。 但是，您谦卑的仆人却多次遇到同学的na：“嗯，是什么使我们有了这些感应器？ “用笔画图形和测量时间要比在计算机上编程容易受折磨。” 我承认-我也经历了类似的适应期，但是很快就过去了。 所以，我分享我的经验。
GNUplot
也许这是他们首先可以向我们展示的最简单的内容（可能是Word或Excel的例外）。 使用gluplot处理数据非常简单，并且不需要编程方面的专门知识，该语言接近于算法。 是开始进行图形数据处理的理想选择。
使用方法
假设我们有一个包含数据的文件-一栏包含某些参数的测量值。 我们将此文件命名为data.dat。 我们知道数据是正态分布，因此它是一批螺钉的质量分布。 我们的任务是确定螺钉质量的平均值。 我的解决方案是根据数据绘制直方图，然后用曲线近似
。 下面是用于这种构造的代码示例：
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
近似地，将以相当好的精度确定a，b和c的值。 在我们的问题中，很容易猜出参数c是被测物体质量的平均值。 因此，使用简单的代码和一些注意事项，您可以快速分析收集的数据。
关于使用GNUplot的结论
如果您需要对大量数据进行快速图形处理（在实验室工作范围内较大），则GNUplot是理想的选择。 但是，有时会出现错误，您必须考虑其性质。 我建议初学者使用它进行一些基础工作，例如统计研究。
朗景
这个怪物是为真正的实验室所有者设计的！ 用于模拟实验室工作的纯可视平台。 它本身从ComPorts收集数据，对其本身进行处理，并自身构建动态图。 机会-很多。 大多数工程师专门为Labview工作。 但是！ 要弄清楚它需要花费很多精力。
关于使用LabVIEW的结论
绝对不适合初学者！ 如果您愿意，您可以坐几天，然后解决问题，然后可以大大减少实验室工作的处理时间，在该工作中您可以使用带有传感器的微控制器（在我的情况下是带有各种摆锤的实验室）。
巨蟒
这种语言对于物理学家是一个很好的发现。 我最经常使用它来解决计算物理问题，例如微分方程的数值解。 与guplot一样，该语言也适用于图形数据处理，它的bug更少，语法更简单（尽管我不抱怨guplot）。 就个人而言，我更喜欢Python，但每个人都有自己的。
作为使用Python的示例，我给出了用Lagrange多项式进行点插值的方法，
因为手头没有再明显的数据分析示例了 。 通常使用插值来获得两个量的相关性的近似公式。
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)):
我关于使用Python的结论
对我而言，Python是优先事项。 与GNUplot相比，它具有更多的功能，不需要花太多精力去理解。 当然，Labview的使用更加专业，但是由于
我懒于掌握它需要花费大量的时间，因此我更喜欢学习Python的所有魅力。
而不是结论
在这篇简短的评论中，我决定分享我在使用某些数据处理软件方面的经验。 希望他能帮助您进行研究活动。
祝你好运！