Automatische Excel data extractie en dataverwerking voor de TN studie aan de HHS Delft. De code is samengekomen met de jaren en telkens verbeterd. In drie delen waarom dit een chille module is.
Omtrent meetdata verkrijgen:
- Inline MMTTi 1604 meetfouttoevoeging
- Inline ThorLabs PM100D/S120C meetfouttoevoeging
- Python aansturing PM100D
Omtrent het importeren en visualiseren van meetdata:
- Het automatisch vinden van Excel bestanden, zelfs met relative-folderverwijzing
- Snelle workflow door gegeneraliseerde code en mogelijkheid tot bijna-live databewerking parallel aan het Excel bestand.
- Super simpele opmaakfunctie van grafieken inclusief preset
Omtrent data analyse:
- Afronding o.b.v. onzekerheid (in r-string opmaak)
- Data fitten door middel van een string zoals
"a0 *(1 - np.exp(-(x+a1)/a2))"t/m 23 parameters - 3σ onzekerheidsinterval rondom de fitfunctie ongeacht de functievorm (inclusief nonlineair).
- 3 soorten curvefits (Nonlinear Least Squares, NLS met Monte Carlo methode, Orthogonal Distance Regression met quasi globaal minimum)
Extra:
- Allemaal prima geoptimaliseerd voor snelheid en modulariteit.
- De code mansplaint vrijwel altijd wat voor een fout je hebt gemaakt. Oorzaken achterhalen via de documentatie is makkelijk.
Uitleg om het werkend te krijgen.
- Via de zoekfunctie op je computer, open Anaconda Prompt.
- Plak het volgende in de terminal:
pip install numpy matplotlib pandas sympy scipy- Plaats de map Libs in je Python working environment (de folder rechtsbovenin Spyder aangegeven)
- Om de code toe te passen, zie de bijgeleverde voorbeeldbestanden.
Als je telkens in een andere working environment zit, kan je m vastzetten via: Tools->Preferences->Working directory en dan de parentfolder daar selecteren. Dat is dan je standaard Python folder. (Of neem het Libs-mapje telkens mee, een vrije keuze)
Ik heb geprobeerd de documentatie zo compleet mogelijk te maken, waarbij de netheid met de jaren is toegenomen. Sommige stukken code komen van bijv. Stack Overflow dus dat commentaar is Engels. Veel soorten errors worden opgevangen en aan je uitgelegd, met een debug tree zodat je kan achterhalen waar de fout vandaan komt.
Lees de documentatie van sigmaPolynoomfit() goed door! Dan weet je wat 'ie kan.
NB: Bij het finaliseren van de module is chatGPT gebruikt voor optimalisatie naar snelheid, gebruiksvriendelijkeheid en de ODR methode.
Als je wilt weten welke functies er in het bestand zitten run tn.py, of per functie specifiek doe
help(tn.<functie>)P.S.
Voor het wisselen van punten en comma's zoals het hoort in Nederlandse notatie, gebruik de TIS-TN module op https://github.com/ddland/TIS-TN-python-code. Je kan dan spelen met de tn.Reglabelmaker() functie en het aanpassen.
Ook is zijn python-aansturing van de MMTTi 1604 erg nuttig, zie https://github.com/ddland/PythonCode/tree/main/tti1604