Messgeräte (auch „Datenlogger“) und einige Handy-Apps (z.B. phyphox)
nutzen einfache Datenformate in Text-Form:
Time,Channel A (ms),(V) -0.349,-0.000458 -0.348,-0.000458 -0.347,-0.000458 . . .
Beispiel PicoScope, „Comma Separated Values“ (CSV)
Kopfzeilen mit sog. „Meta-Daten“
die eigentlichen Daten als Dezimal-
zahlen, in Spalten durch „,“ getrennt
Üblich sind auch „Tabulator-getrennte“ Dezimalzahlen
und - bisweilen – auch Dezimalzahlen mit ‚, , “ statt „ .“
(dann müssen für die Verwendung in python-Programmen
Dezimalkommata durch Dezimalpunkte ersetzt werden!)
Durchgesetzt haben sich „beschreibende“ Datenformate, z.B. xml = „extensible markup language“ oder
json = „java script object notation“ (≙ python dictionary);
gut durch pyhton-Module unterstützt !
Rein „binäre“ Datenformate (also sehr kompakte Dar- stellungen in Maschinen-abhängigem digitalem Format)
werden wegen ihrer Plattformabhängigkeit heute kaum noch verwendet.
# Daten im csv-Format lesen
# Datei zum Lesen öffnen
f = open('AudioData.csv', 'r')
# Kopzeile(n) lesen
header=f.readline()
print "Kopfzeile:", header
# Daten in 2D-numpy-array einlesen data = np.loadtxt(f,
delimiter=',', unpack=True)
print "-> Anzahl Spalten", data.shape[0]
print "-> Datenzeilen",
data.shape[1]
# Daten in 1D-arrays speichern
t = data[0]
a = data[1]
l = len(a)
Beispiel-Code
s. auch – PhyPraKit.readCSV()
– PhyPraKit.readtxt()
– PhyPraKit.readColumnData()
– PhyPraKit.labxParser()
u. a.