def lst_square(fname):
"""
Effectue une régression linéaire d'un ensemble de points en coordonnées planimétriques
afin de calculer un plan moyen à l'ensemble des hauteurs observées
La liste des points sont directement issus d'un fichier csv, les matrices modèles et d'observations
sont automatiquement calculées
Arguments:
- fname: nom du fichier csv utilisé pour extraire les données
"""
donnees = utl.read_csv(fname) #récupération des données du fichier
utl.redux(*donnees[:4])
B = np.array(
donnees[3]).T #la matrice d'observation contient les hauteurs terrains
les_x = np.array(donnees[1])
les_y = np.array(donnees[2])
les_uns = np.ones(np.shape(les_y))
A = np.array([les_x, les_y, les_uns
]).T #la matrice modèle contient les coordonnées Est et Nord
X = lina.lstsq(
A, B)[0] #moindre carré magiques par invocation du module Python
res_norm, residus = residus_norm(
A, B, X) #calcul des résidus et résidus normalisés
std, e = calc_stats(
residus) #calcul de l'écart type et de la différence maximale
return X, res_norm, std, e
def launch_lstsq(self):
if(self.file_for_lstsq != ""):
result = mc.lst_square(self.file_for_lstsq)
data = utl.read_csv(self.file_for_lstsq)
utl.redux(*data[:4])
mc.draw(data,result[0],result[1])
self.std_label.setText("Écart-type: " + str(result[2]*100)[:6] + " cm")
self.diff_label.setText("Différence: " + str(result[3]*100)[:6] + " cm")
print("done")
def launch_3d(self):
if(self.file_for_3d != ""):
data = utl.read_csv(self.file_for_3d)
if(self.redux_3d.isChecked()): utl.redux(data[0],data[1],data[2],data[3])
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.set_xlabel('Est')
ax.set_ylabel('Nord')
ax.set_zlabel('Hauteur')
ax.plot(data[1],data[2],data[3])
print("done")
def launch_compare(self):
if(len(self.filenames) > 0):
result = []
for file in self.filenames:
temp = utl.read_csv(file)
if(self.redux_option.isChecked()): utl.redux(temp[0],temp[1],temp[2],temp[3])
result.append(temp)
base = result[0]
measures = []
if(len(result) > 1):
measures = result[1:]
self.compare(base,*measures)
print("done")
def fourier(fname, attr, rot=False):
"""
Effectue l'analyse de Fourier d'un fichier de points, selon l'attributs considéré
Argument:
- fname: nom du fichier csv
- attr: indice de l'attribut à analyser dans les colonnes du fichier csv
(0: Est, 1: Nord, 2: hauteur, etc.)
"""
donnees = utl.read_csv(fname)
utl.redux(*donnees[:4])
if (rot): #effectue la rotation du nuage de points vers un plan moyen
# R_e = [[1.,0,0],
# [0,np.cos(alpha),-np.sin(alpha)],
# [0,np.sin(alpha),np.cos(alpha)]]
#
# R_n = [[np.cos(beta),0,np.sin(beta)],
# [0,1.,0],
# [-np.sin(beta),0,np.cos(beta)]]
alpha = -np.arctan((donnees[3][-1] - donnees[3][0]) /
(donnees[1][-1] - donnees[1][0])) #H/E
for i in range(len(donnees[0])):
x = donnees[1][i] - donnees[1][0]
y = donnees[2][i] - donnees[2][0]
z = donnees[3][i] - donnees[3][0]
# temp = [[donnees[1][i]],[y],[z]]
# result = np.dot(np.dot(R_n,R_e),temp)
# result = np.dot(R_e,temp)
donnees[1][
i] = donnees[1][0] + np.cos(alpha) * x - np.sin(alpha) * z
donnees[2][i] = donnees[2][0] + y
donnees[3][
i] = donnees[3][0] + np.sin(alpha) * x + np.cos(alpha) * z
alpha = -np.arctan((donnees[3][-1] - donnees[3][0]) /
(donnees[2][-1] - donnees[2][0])) #H/N
for i in range(1, len(donnees[0])):
x = donnees[1][i] - donnees[1][0]
y = donnees[2][i] - donnees[2][0]
z = donnees[3][i] - donnees[3][0]
donnees[1][i] = donnees[1][0] + x
donnees[2][
i] = donnees[2][0] + np.cos(alpha) * y - np.sin(alpha) * z
donnees[3][i] = np.sin(alpha) * y + np.cos(alpha) * z
donnees[3][0] = 0
liste_hauteurs = donnees[attr + 1] #récupère la colonne voulue
# m = np.mean(liste_hauteurs)
# for i in range(len(liste_hauteurs)): liste_hauteurs[i] -= m #recentre les valeurs autour de 0
liste_temps = donnees[0]
fourier = fft.fft(liste_hauteurs) / np.size(liste_hauteurs)
axe_f = np.arange(0., len(liste_hauteurs)) * 20 / len(liste_hauteurs)
plt.figure() #initialise le graphique
plt.subplot(121)
plt.plot(liste_temps, liste_hauteurs,
'-') #affiche l'attribut en fonction du temps
plt.xlabel('axe temporel')
plt.subplot(122)
plt.plot(axe_f, np.abs(fourier), 'x-') #affiche l'analyse de Fourier
plt.xlabel('axe frequentiel')
plt.xlim(xmax=10)
plt.show()
# fname.close()