曲线提取数据python

利用Matlab提取图片中曲线数据 前一段时间看到一篇文章“利用Matlab提取图图片中的数据”，觉得思路挺好，遂下载下来研究了一番，发现作者所编写的程序没有考虑原始图片非水平放置的情况，而实际扫描图片时，将图片完全放置水平难度较大... 同时作者也没有考虑对数坐标的情况，且程序GUI界面不太人性化，操作有点不习惯。因此借着作者良好意愿，对其程序进行了改进~ 2011-6-9 shanyunh@ 考虑一张非水平无变形的曲线图，现将其曲线数据取出来，步骤如下：

(x

0,y0)(x2,y2)(x1,y1)

(xi,yi)Δx

Δy

1. 在坐标轴上取三点以定位坐标系。如图中红色点所示。 2. 在曲线上选取若干个点，如图中蓝色点所示。 3. 设定坐标轴选取点x和y的实际值。 4. 选取坐标系类型。 5. 变换。 6. 保存数据。 7. 数据后处理。 在变换过程中程序首先计算(xi,yi)到(x1,y1)和(x2,y2)所组成的y轴的距离Δx，同样的方法计算Δy，当然Δx和Δy是图片的像素值。接下来计算每个像素点所对应实际坐标值。对于线性x轴，比例系数为(Xmax-Xmin)/(sqrt((x1-x0)^2)+(y1-y0)^2)，同样对于线性y轴，比例系数(Ymax-Ymin)/(sqrt((x0-x2)^2)+(y0-y2)^2)。这样即可求出每个点的实际坐标值 Xi=Δx *(Xmax-Xmin)/(sqrt((x1-x0)^2)+(y1-y0)^2)+Xmin Yi=Δy *(Ymax-Ymin)/(sqrt((x0-x2)^2)+(y0-y2)^2)+Ymin 对数坐标的变换关系类似 Xi=10^(log10(Xmin)+Δx *(log10(Xmax)-log10(Xmin))/(sqrt((x1-x0)^2)+(y1-y0)^2)) Yi= 10^(log10(Ymin)+Δy *(log10(Ymax)-log10(Ymin))/(sqrt((x0-x2)^2)+(y0-y2)^2)) 具体操作说明 1.导入图片。

python 提取邮箱中气象预报数据

摘要

利用python，对存在邮箱服务器中的气象数据进行提取，存为文本文档格式，并转为dataframe格式，使用多层感知器进行拟合，促进日后项目实现自然语言处理。

关键词：python、多层感知器

一、背景

在以深度学习为代表的人工智能高速发展的今天，气象学科的发展越来越离不开人工智能。为了高效快速获取气象数据，自动化处理相关数据，本文实现了自动从已收邮件中获取数据，并对其进行处理。

二、开发工具

考虑到项目最终目标是自动获取数据并生成文本，由于python在人工智能方面相较于其他语言有较大优势，我们采用python作为开发工具。我们主要使用python中poplib库来获取邮件，使用email.parser来解析电子邮件信息，pandas库来处理气象数据，。

三、需求分析

由于需要每天收发邮件，人工耗费时间较长。且为方便后续在服务器上脚本化运行，需要自动下载邮件中的数据。南海海上平台在海上作业时，风浪过高会对作业人员造成危险，因此需要提供风速、浪高预报。所得数据为四个平台，我们只能对一组数据进行处理，需要综合考量四个平台数据。原始数据为离散值，不易分析单调区间和极值，需要对数据进行拟合。

海上平台距离陆地遥远，信号传输不便，需要尽可能降低数据包大小。气象预报应能反映未来十天风速、浪高变化趋势。因此需要描述预报数据的增减区间及关键转折点值。气象预报需要在天气对海上作业不利（如遇到台风、风速达到七级）时，发出预警。

四、技术路线

1.自动下载邮件数据

原始气象数据如图所示，为邮件正文。使用poplib登陆邮箱服务器，获取邮件内容，并用email.parser解析内容，将邮件数据存为txt文档。

2.文本文档转化为dataframe格式

利用Matlab提取图图片中的数据

从事科研或者工程的人员在文档撰写过程中，常需要将文献中的曲线与自己的结果对

比，为获取原始数据，一种常用的办法是手动描点，即将原始曲线放大然后打印出来，选取

一定数量的点，读出其横纵坐标，然后重绘。对于较为平坦的曲线，这种方法当然可行，但

当曲线数量增加，曲线变化复杂，这种方法工作量可想而知。前段时间由于原始数据丢失，

仅剩几十幅图片，本人尝试过手动描点，经历几个小时奋战，实在无法继续，索性转向matlab，

借助其强大的数据处理能力，编写了两个GUI的小软件image2data、data_poly提取数据，

如今大功告成，遂于大家分享。

2010-12-26 yc97463240@

本文分三部分：1、数据提取实验演示；2、软件编写要点；3、附录。仅关心如何使用

的朋友请看第一部分，有兴趣深入钻研的兄弟看看第二部分，软件以功能实现为主，界面和

操作其次。

1、数据提取演示实验

原始数据来源：安华高科技数据手册（HSMP-38XX and HSMP-48XX Series），如图1所示。

目标曲线：提取1MHz频率下的PIN二极管电容与反偏电压之间关系曲线。

图1 包含目标曲线的原始图像 实验步骤：

Step1：制作jpg图片。

从pdf中copy上述包含目标曲线和坐标的曲线，paste到ppt的空白页面当中，然后调

整到合适的大小save as figure1.jpg到我的文档。

图2 利用ppt制作jpg格式图像

Step2：导入图片，填写相关参数。

运行image2data软件（程序采用matlabR2008b编写），按照界面给出的顺序填写横纵坐

标的最大最小值，然后导入图片，如下图所示。

图3 导入图像并输入相关参数 Step3：坐标轴标定。

按下面板上的zoom on按钮进行图像放大，zoom out按钮恢复初始显示大小，pan on按

钮采用鼠标拖动图像，pan on/off按钮退出放大或者拖动的鼠标操作模式，空格键表示取点

洛伦兹曲线是描述非线性系统中流体混沌的经典数学模型，它在物理、化学、生物学等领域都有着重要的应用。在数据分析领域，我们经常需要对洛伦兹曲线进行拟合，以获得变量之间的关系、参数的估计等信息。

1. 洛伦兹曲线模型

洛伦兹曲线的数学表达式为：

$$\frac{dx}{dt} = \sigma(y-x)$$

$$\frac{dy}{dt} = x(\rho-z)-y$$

$$\frac{dz}{dt} = xy-\beta z$$

其中，$x$，$y$，$z$分别表示系统的三个变量，$t$表示时间，$\sigma$，$\rho$，$\beta$为参数。这个系统具有丰富的动力学行为，包括周期解、混沌等。

2. Python实现

Python作为一种功能强大的编程语言，在数据分析和科学计算领域有着丰富的库和工具。对于洛伦兹曲线的拟合，我们可以使用Python中的SciPy库进行实现。

我们需要导入必要的库：

```python import numpy as np

from scipy.integrate import solve_ivp

import matplotlib.pyplot as plt

```

我们定义洛伦兹曲线的微分方程：

```python

def lorenz(t, xyz, sigma, rho, beta):

x, y, z = xyz

return [sigma*(y-x), x*(rho-z)-y, x*y-beta*z]

```

接下来，我们使用SciPy的solve_ivp函数求解微分方程，并绘制洛伦兹曲线：

```python

sigma, rho, beta = 10, 28, 8/3

t_span = (0, 100)

xyz_0 = [0, 1, 1.05]

sol = solve_ivp(lorenz, t_span, xyz_0, args=(sigma, rho, beta),