def c_open(file):
"""
Zum Einlesen der CASSY-Messungen
Parameter: file - Messdatei
returns: f, U, I
"""
data = cassy.CassyDaten(file)
R = data.messung(1).datenreihe("R_B1").werte
U = data.messung(1).datenreihe("U_A1").werte
return np.array(R), np.array(U)
def c_open(file):
"""
Zum Einlesen der CASSY-Messungen
Parameter: file - Messdatei
returns: t, U, I
"""
data = cassy.CassyDaten(file)
t = data.messung(1).datenreihe("t").werte
I = data.messung(1).datenreihe("I_A2").werte
U = data.messung(1).datenreihe("U_B2").werte
return t, U, I
def c_open(file):
"""
Zum Einlesen der CASSY-Messungen
Parameter: file - Messdatei
returns: t, U1, U2
"""
data = cassy.CassyDaten(file)
t = data.messung(1).datenreihe("t").werte
U1 = data.messung(1).datenreihe("U_A1").werte
U2 = -data.messung(1).datenreihe("U_B1").werte
return t, U1, U2
def c_open(file, N_Messung):
"""
Zum Einlesen der CASSY-Messungen
Parameter: file - Messdatei
returns: t, U, I
"""
data = cassy.CassyDaten(file)
s = []
Dt_A1 = []
R = []
for i in range(N_Messung):
s.append(data.messung(i + 1).datenreihe("s").werte)
Dt_A1.append(data.messung(i + 1).datenreihe("&Dt_A1").werte)
R.append(data.messung(i + 1).datenreihe("R_B1").werte)
return np.array(s), np.array(Dt_A1), np.array(R)
def fft_analysis(groesse, hoehe, nummer):
#Daten mit Korrektur
dataname = groesse + '_' + hoehe + '_' + nummer
data = cassy.CassyDaten('daten/' + dataname + '.lab')
time = data.messung(1).datenreihe('t').werte
pres = data.messung(1).datenreihe('p_A1').werte
#Signale abschneiden
time, pres = analyse.untermenge_daten(time, pres, 0, tgrenz[dataname])
fourier = analyse.fourier_fft(time, pres)
freq = fourier[0]
amp = fourier[1]
peak = analyse.peakfinder_schwerpunkt(freq[3:100], amp[3:100])
delta = korrektur(time, pres)
return (2 * np.pi * peak, delta)
# -*- coding: utf-8 -*-
"""
Created on Sat Dec 22 19:57:55 2018
@author: Anwender
"""
import Temperatur
import matplotlib.pyplot as plt
import numpy as np
import praktikum.cassy as cassy
import praktikum.analyse as analyse
#Daten einlesen
data = cassy.CassyDaten("Kalibrierung_Wegaufnehmer.lab")
n = np.array(data.messung(1).datenreihe("n").werte) #Nummer des Messpunktes, wobei n=1 der weiteste Abstand war
R = np.array(data.messung(1).datenreihe("R_B1").werte) #Widerstand in kOhm
#n->L
L=(5*len(n)-5*(n)) #in cm #es wurde in 5cm-Schritten gemessen #TODO: np.arange(0.5,30.5,5)
#So ist L=0 bei der Messung, die am nächsten an der Quelle war und L wird bei größerem Abstand von der Quelle größer
L_err=np.ones(len(L))*0.1/2 #cm
R_err=np.ones(len(R))*0.005/np.sqrt(12) #kOhm
L_esys=0.03+0.02*1 #cm #Güteklasse II:a+b*L mit a=0.3mm, b=0.2mm/m, L= auf ganzen Meter gerundete zu messende Länge
#=const.
#lineare Regression
k,k_err,L0,L0_err,chiq,corr=analyse.lineare_regression_xy(R,L,R_err,L_err)
chiq,k,k_err=Temperatur.round_good(chiq,k,k_err)
x,L0,L0_err=Temperatur.round_good(0,L0,L0_err)
import numpy as np
from pylab import *
close('all')
def calc_mean_distance(ind,v):
dis = 0
i = 0
while i < len(ind)-1:
dis = dis + v[ind[i+1]]-v[ind[i]]
i = i+1
dis = dis/(len(ind)-1)
return dis
data = cassy.CassyDaten('Schwebung_1_250n.lab')
U1 = data.messung(1).datenreihe('U_B1').werte
t = data.messung(1).datenreihe('t').werte
ind_max = find_peaks_cwt(U1,np.arange(1,20))
ind_max = ind_max[:20]
ind_max = ind_max[3:]
w_array,A = analyse.fourier_fft(t,U1)
ind_w1=analyse.peak(w_array,A,np.argmax(w_array>950),np.argmax(w_array>1020))
ind_w2=analyse.peak(w_array,A,np.argmax(w_array>1100),np.argmax(w_array>1160))
plot(w_array,A/max(A))
plt.axvline(x=w_array[int(ind_w1)], color="darkred", linestyle = "--")
plt.text(w_array[int(ind_w1)],0.7,'max_1:{} Hz'.format(np.round(w_array[int(ind_w1)],4)))
plt.axvline(x=w_array[int(ind_w2)], color="darkred", linestyle = "--")
Spyder Editor
This is a temporary script file.
"""
from praktikum import analyse
from praktikum import cassy
import numpy as np
import matplotlib.pyplot as plt
#gemessene Laengen
rp = 0.5*0.07995
lp = 0.615+0.02535+rp
#Daten laden
data_s = cassy.CassyDaten('daten1.lab')
data_p = cassy.CassyDaten('daten2.lab')
timeVal = data_s.messung(1).datenreihe('t').werte
voltage_s = data_s.messung(1).datenreihe('U_A1').werte
voltage_p = data_p.messung(1).datenreihe('U_A1').werte
#Bestimmte Zeitpunkte der Maxima in s
n = np.arange(0,200,10)
n[0] = 1
period_p = [0.48, 15.38, 31.94, 48.48, 65.04, 81.56, 98.11, 114.68,
131.28, 147.84, 164.36, 180.9, 197.46, 214.02, 230.56,
247.12, 263.68, 280.22, 296.8, 313.34]
period_s = [1.5, 16.44, 33.01, 49.59, 66.14, 82.73, 99.32,
115.86, 132.46, 149.05, 165.64, 182.18, 198.8,
215.34, 231.92, 248.47, 265.08, 281.62, 298.23, 314.83]
ax1.set_ylabel('$U_1$ / V')
ax1.grid()
ax2.plot(1000*time, vol2)
ax2.set_ylabel('$U_2$ / V')
ax2.set_xlabel('$t$ / ms')
ax2.set_xlim(0,10)
ax2.grid()
plt.subplots_adjust(hspace=0)
plt.savefig('plots/fundamental_roh.pdf', format='pdf', dpi=1200)
plt.show()
'''
# Frequenzspektrum
data1 = cassy.CassyDaten('daten/fundamental_3.lab')
time1 = data1.messung(1).datenreihe('t').werte
vol1_1 = data1.messung(1).datenreihe('U_A1').werte
vol1_2 = data1.messung(1).datenreihe('U_A2').werte
fre1_1, amp1_1 = analyse.fourier_fft(time1, vol1_1)
fre1_2, amp1_2 = analyse.fourier_fft(time1, vol1_2)
data2 = cassy.CassyDaten('daten/fundamental_2.lab')
time2 = data2.messung(1).datenreihe('t').werte
vol2_1 = data2.messung(1).datenreihe('U_A1').werte
vol2_2 = data2.messung(1).datenreihe('U_A2').werte
fre2_1, amp2_1 = analyse.fourier_fft(time2, vol2_1)
fre2_2, amp2_2 = analyse.fourier_fft(time2, vol2_2)
peak1_1 = analyse.peakfinder_schwerpunkt(fre1_1[5:600], amp1_1[5:600])
peak1_2 = analyse.peakfinder_schwerpunkt(fre1_2[5:600], amp1_2[5:600])
def round_good(m,s,err):
'''
Passt Mittelwert- und Standardabweichungsnachkommastellen an den Fehler an (2 signifikante Stellen des Fehlers)
m=mean
s=std
err=std/sqrt(len)
'''
i=2
test=list('{:.20f}'.format(err))
while test[i]=='0':
i+=1
return np.round([m,s,err],i)
#Daten einlesen
data = cassy.CassyDaten('gegen.koppl.eisen.lab')
U1 = data.messung(1).datenreihe('U_B1').werte
U2 = data.messung(1).datenreihe('U_B2').werte
t = data.messung(1).datenreihe('t').werte
#Rohdatenplot
subplot(2,1,1)
plot(t,U1)
ylabel('$U$ / V')
xlabel('t/s')
xlim(0,0.04)
title('erster Schwingkreis')
grid()
subplot(2,1,2)
plot(t,U2)
plt.show()
'''
fplus = np.array([])
fminus = np.array([])
dic_file = {1:'ohne2', 2:'ohne3', 3:'eisen2'}
dic_fre = {1: np.array([57,67,70,78]), 2:np.array([64,68,68,72]), 3:np.array([20,29,40,49])}
freqs = np.array([])
amps = np.array([])
for i in range(1,4,1):
data = cassy.CassyDaten('daten/schwebung_' + dic_file[i] + '_1.lab')
time = data.messung(1).datenreihe('t').werte
vol = data.messung(1).datenreihe('U_A1').werte
vol2 = data.messung(1).datenreihe('U_A2').werte
freq, amp = analyse.fourier_fft(time, vol)
freq2, amp2 = analyse.fourier_fft(time, vol2)
(freq, amp) = analyse.untermenge_daten(freq, amp, 0, 50000)
(freq2, amp2) = analyse.untermenge_daten(freq2, amp2, 0, 50000)
peak1 = analyse.peakfinder_schwerpunkt(freq[dic_fre[i][0]:dic_fre[i][1]], amp[dic_fre[i][0]:dic_fre[i][1]])
peak2 = analyse.peakfinder_schwerpunkt(freq[dic_fre[i][2]:dic_fre[i][3]], amp[dic_fre[i][2]:dic_fre[i][3]])
ymax1 = amp[dic_fre[i][0]:dic_fre[i][1]].argmax()
ymax2 = amp[dic_fre[i][2]:dic_fre[i][3]].argmax()
fplus = np.concatenate((fplus, np.array([peak1, np.abs(peak1-freq[dic_fre[i][0]+ymax1])])))
fminus = np.concatenate((fminus, np.array([peak2, np.abs(peak2-freq[dic_fre[i][2]+ymax2])])))
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Mon Sep 16 21:19:03 2019
@author: simon
"""
from praktikum import analyse
from praktikum import cassy
import numpy as np
import matplotlib.pyplot as plt
data = cassy.CassyDaten('daten/mittel_20_3.lab')
timeVal = data.messung(1).datenreihe('t').werte
pres = data.messung(1).datenreihe('p_A1').werte
f, (ax1, ax2) = plt.subplots(2, 1)
ax1.plot(timeVal, pres, color='red')
freq, amp = analyse.fourier_fft(timeVal, pres)
ax2.plot(freq[0:8000], amp[0:8000], color='red')
ax1.set_ylabel("Druckdifferenz / hPa")
ax2.set_ylabel("Amplitude")
ax2.set_xlabel("$f$ / Hz")
ax1.set_xlabel("$t$ / $s$")
ax1.set_xlim(0, 8)
ax2.set_xlim(0, 5)
plt.rcParams["figure.figsize"] = (12, 6)
plt.rcParams['axes.titlesize'] = 'large'
plt.rcParams['axes.labelsize'] = 'large'
f.tight_layout()
plt.savefig('plots/rohdaten.pdf')
close('all')
def calc_mean_distance(ind, v):
dis = 0
i = 0
while i < len(ind) - 1:
dis = dis + v[ind[i + 1]] - v[ind[i]]
i = i + 1
dis = dis / (len(ind) - 1)
return dis
data = cassy.CassyDaten('Gleichsinnig/gleich.koppl.eisen.lab')
U1 = data.messung(1).datenreihe('U_B1').werte
U2 = data.messung(1).datenreihe('U_B2').werte
t = data.messung(1).datenreihe('t').werte
w1, A1 = analyse.fourier_fft(t, U1)
w1 = analyse.peakfinder_schwerpunkt(w1, A1)
print("Frequenz 1 aus fft: ", w1)
w2, A2 = analyse.fourier_fft(t, U2)
w2 = analyse.peakfinder_schwerpunkt(w2, A2)
print("Frequenz 2 aus fft: ", w2)
w_mean = (w1 + w2) / 2
w_std = np.sqrt((w1 - w_mean)**2 + (w2 - w_mean)**2)
print("mittlere Frequenz aus fft", w_mean, "+-", w_std)
import praktikum.cassy as cassy
import Rauschmessung
offsetM = Rauschmessung.mM
offsetSt = Rauschmessung.mSt
l = 0.68
r = 0.08035 / 2
errl_stat = 0.001
errr_stat = 0.0001
errl_sys = 0.0003 + 0.0002 * 1 # Güteklasse II:a+b*L mit a=0.3mm, b=0.2mm/m, L= auf ganzen Meter gerundete zu messende Länge
T = []
errT = []
for i in range(1, 4):
data = cassy.CassyDaten("Erdbeschleunigung/perfekte_anpassung_messung_" +
str(i) + ".lab")
t = data.messung(1).datenreihe("t").werte
M = data.messung(1).datenreihe(
"U_A1").werte - offsetM #Pendelkörper (Masse)
St = data.messung(1).datenreihe("U_B1").werte - offsetSt #Stange allein
if __name__ == '__main__':
#Rohdatenplot bis Stange zu gedämpft
von = 0
bis = -1 #np.argmax(t>=100)
plt.plot(t[von:bis], M[von:bis], color='black')
plt.plot(t[von:bis], St[von:bis], color='red')
plt.title('Schwingung mit körperloser Frequenz {}'.format(i))
plt.grid()
plt.savefig('Images/Erdbeschleunigung_Roh_' + str(i) + '.jpg')
'''
Passt Mittelwert- und Standardabweichungsnachkommastellen an den Fehler an (2 signifikante Stellen des Fehlers)
m=mean
s=std
err=std/sqrt(len)
'''
i=2
test=list('{:.20f}'.format(err))
while test[i]=='0': #TODO: wie groß sind die Fehler auf L? Kommastelle finden oder nicht?
i+=1
return np.round([m,s,err],i)
plt.close('all')
t, p, T = [], [], [] #Temperatur in °C, Druck in hPa!
data = cassy.CassyDaten("Rauschmessung.lab")
t = data.messung(1).datenreihe("t").werte
T = data.messung(1).datenreihe("&J_A11").werte
p = data.messung(1).datenreihe("p_B1").werte
print("Temperaturverteilung")
print("m=" + str(np.round(np.average(T),1))+" °C , s="+str(np.round(np.std(T),2))+" °C , err="+str(round_up(np.std(T)/np.sqrt(len(T)),1))+" °C")
plt.hist(T,7, normed=True)
x=np.arange(np.average(T)-0.25, np.average(T)+0.25, 0.001)
plt.plot(x, gauss(x, np.average(T), np.std(T)))
plt.title(u"Rauschmessung bei Raumtemperatur\n $\sigma$=" + str(np.round(np.std(T),2))+"$^{\circ}C$, $\mu$="+str(np.round(np.average(T),1))+ "$^{\circ}C$, $\sigma_{\mu} = $"+str(round_up(np.std(T)/np.sqrt(len(T)),1))+"$^{\circ}C$")
plt.xlabel(u"T/°C")
plt.ylabel('Relatives Vorkommen')
plt.savefig("Images/RauschmessungRT_T_histo.jpg")
plt.figure()
'''
Passt Mittelwert- und Standardabweichungsnachkommastellen an den Fehler an (2 signifikante Stellen des Fehlers)
m=mean
s=std
err=std/sqrt(len)
'''
i = 2
test = list('{:.20f}'.format(err))
while test[i] == '0':
i += 1
return np.round([m, s, err], i)
plt.close('all')
data = cassy.CassyDaten("gekoppelt/Rauschmessung.lab")
t = data.messung(1).datenreihe("t").werte
M = data.messung(1).datenreihe("U_A1").werte #Pendelkörper (Masse)
St = data.messung(1).datenreihe("U_B1").werte #Stange allein
#----------------------------#
#Auswertung der Rauschmessung#
#----------------------------#
#Mittelwerte, Standardabweichungen und Fehler
mM, sM, errM = round_good(np.average(M), np.std(M),
np.std(M) / np.sqrt(len(M)))
mSt, sSt, errSt = round_good(np.average(St), np.std(St),
np.std(St) / np.sqrt(len(St)))
if __name__ == "__main__":
U_array = []
I_array = []
U_err_array = []
I_err_array = []
U_sigma = []
I_sigma = []
U_B = 20
I_B = 0.6
sigmaU = U_B / 4096. / np.sqrt(12.)
sigmaI = I_B / 4096. / np.sqrt(12.)
for i in range(1, 6):
#Daten Einlesen
t, U, I = [], [], [] #Zeit, Spannung, Strom
data = cassy.CassyDaten("Widerstand_2.lab")
t = data.messung(i).datenreihe("t").werte
U = data.messung(i).datenreihe("U_B1").werte
I = data.messung(i).datenreihe("I_A1").werte
#Mittelwert, Standardabweichung, Fehler auf den Mittelwert
mU, sU, errU = round_good(np.mean(U), np.std(U),
np.std(U) / np.sqrt(len(U)))
mI, sI, errI = round_good(np.mean(I), np.std(I),
np.std(I) / np.sqrt(len(I)))
if __name__ == '__main__':
print('U-werte')
print('m=' + str(mU) + u' V, std=' + str(sU) + u' V, err=' +
str(errU) + u' V')
print('I-werte')
# -*- coding: utf-8 -*-
from praktikum import analyse
from praktikum import cassy
import numpy as np
import matplotlib.pyplot as plt
# Daten laden
data = cassy.CassyDaten('daten/schwebung_1.lab')
timeVal = data.messung(1).datenreihe('t').werte
voltage = data.messung(1).datenreihe('U_A1').werte
'''
t = [0, 8]
plt.plot(timeVal, voltage)
plt.xlim(t[0], t[1])
#plt.ylim(-0.3,0.3)
plt.xticks(np.arange(t[0], t[1], 0.02))
#plt.xticks(np.arange(t[0],t[1], 2*0.0069))
plt.grid()
plt.tight_layout()
plt.show()
'''
'''
# Rohdaten visualisieren
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
from praktikum import analyse
from praktikum import cassy
import numpy as np
import matplotlib.pyplot as plt
# Daten laden
data1 = cassy.CassyDaten('daten/spektrum_1.2.lab')
time1 = data1.messung(1).datenreihe('t').werte
volt1 = data1.messung(1).datenreihe('U_A1').werte
data2 = cassy.CassyDaten('daten/spektrum_2.lab')
time2 = data2.messung(1).datenreihe('t').werte
volt2 = data2.messung(1).datenreihe('U_A1').werte
data3 = cassy.CassyDaten('daten/spektrum_3.1.lab')
time3 = data3.messung(1).datenreihe('t').werte
volt3 = data3.messung(1).datenreihe('U_A1').werte
# Fourier
fourier1 = analyse.fourier_fft(time1, volt1)
fourier2 = analyse.fourier_fft(time2, volt2)
fourier3 = analyse.fourier_fft(time3, volt3)
fre1 = fourier1[0]
amp1 = fourier1[1]
fre2 = fourier2[0]
amp2 = fourier2[1]
fre3 = fourier3[0]
return np.round([m, s, err], i - komma + 1)
plt.close('all')
dateien = ['messung_vorher', '_mitte', '_ende']
names = ['vor den Messungen', 'in der Mitte', 'nach den Messungen']
dnames = ['vor_den_Messungen', 'in_der_Mitte', 'nach_den_Messungen']
ts = []
Ts = []
T_errs = []
dig = 0.1 / np.sqrt(12)
for i, n in enumerate(dateien):
data = cassy.CassyDaten("Temperatur" + n + ".lab")
t = data.messung(1).datenreihe("t").werte
T = data.messung(1).datenreihe("&J_A11").werte
#Mittelwerte, Standardabweichungen und Fehler
mT, sT, errT = round_good(np.average(T), np.std(T),
np.std(T) / np.sqrt(len(T)))
if __name__ == "__main__":
print("Temperatur " + names[i])
print('m=' + str(mT) + u' °C, std=' + str(sT) + u' °C, err=' +
str(errT) + u' °C')
#Histogramm
weightsT = np.ones_like(T) / float(len(T))
plt.hist(T, 7, normed=0, weights=weightsT)
import numpy as np
import scipy
from praktikum import analyse as anal
import praktikum.cassy as cassy
#Fehler Beachten+Daraufaddieren!!!!!
R=8.314
N=10000 #Anzahl der Elemente die zur Berechnung von L betrachtet werden = max. obere Temperatur
#Kalibrierungsdaten
#Aus dem Resultat von Kalib.py
def T_real(T_gemessen):
return 0.9727951049804687*(T_gemessen-50) + 1.126251220703125 + 50
t, p, T = [], [], [] #Temperatur in °C!!!
data = cassy.CassyDaten("Dampfdruckkurve.lab")
t = data.messung(1).datenreihe("t").werte
T = data.messung(1).datenreihe("&J_A11").werte
p = data.messung(1).datenreihe("p_B1").werte
#Mitbetrachtung der Kalibrierung:
T = T_real(T)
T = T+273.15
#Plots
plt.plot(t, T-273.15)
plt.title("Abkühlung des Kolbens")
plt.ylabel("Temperatur in K")
plt.xlabel("Zeit in s")
plt.show()
@author: Mate
"""
import matplotlib.pyplot as plt
import numpy as np
import scipy
import praktikum.cassy as cassy
import praktikum.analyse as anal
def gauss(x, m, s):
return (np.power(scipy.pi * 2 * s**2, -0.5) * np.exp(-(x - m)**2 /
(2 * s**2)))
t, p, T = [], [], [] #Temperatur in °C!!!
data = cassy.CassyDaten("Kalibrierung 1 + Dichtigkeit.lab")
t = data.messung(1).datenreihe("t").werte
T = data.messung(1).datenreihe("&J_A11").werte
p = data.messung(1).datenreihe("p_B1").werte
#Fehler ausrechnen!!
sigmat = 1.0
sigmaT = 1.0
sigmap = 1.0
####Temperaturkalibrierung:
#T=0°C
N_Tslice = 2000
t_sliced = t[N_Tslice:]
T = T[N_Tslice:]
print("Temperaturkalibrierung")
#! /usr/bin/env python
from __future__ import print_function
from praktikum import cassy
from praktikum import analyse
import numpy as np
from pylab import *
data = cassy.CassyDaten('lab/Pendel.lab')
timeValues = data.messung(1).datenreihe('t').werte
voltage = data.messung(1).datenreihe('U_A1').werte
voltageError = 0. * voltage + 0.01
offset = analyse.gewichtetes_mittel(voltage, voltageError)[0]
voltage = voltage - offset
figure(1)
title('Pendel')
subplot(2, 1, 1)
plot(timeValues, voltage)
grid()
xlabel('Zeit / s')
ylabel('Spannung / V')
einhuellende = analyse.exp_einhuellende(timeValues, voltage, voltageError)
plot(timeValues, +einhuellende[0] * exp(-einhuellende[2] * timeValues))
plot(timeValues, -einhuellende[0] * exp(-einhuellende[2] * timeValues))
subplot(2, 1, 2)
fourier = analyse.fourier_fft(timeValues, voltage)
frequency = fourier[0]
amplitude = fourier[1]
'''
Passt Mittelwert- und Standardabweichungsnachkommastellen an den Fehler an (2 signifikante Stellen des Fehlers)
m=mean
s=std
err=std/sqrt(len)
'''
i = 2
test = list('{:.20f}'.format(err))
while test[i] == '0':
i += 1
return np.round([m, s, err], i)
plt.close('all')
data = cassy.CassyDaten("Erdbeschleunigung/Rauschmessung_umgepolt.lab")
t = data.messung(1).datenreihe("t").werte
M = data.messung(1).datenreihe("U_A1").werte #Pendelkörper (Masse)
St = data.messung(1).datenreihe("U_B1").werte #Stange allein
#----------------------------#
#Auswertung der Rauschmessung#
#----------------------------#
#Mittelwerte, Standardabweichungen und Fehler
mM, sM, errM = round_good(np.average(M), np.std(M),
np.std(M) / np.sqrt(len(M)))
mSt, sSt, errSt = round_good(np.average(St), np.std(St),
np.std(St) / np.sqrt(len(St)))
if __name__ == "__main__":
#! /usr/bin/env python
from __future__ import print_function
from praktikum import cassy
from praktikum import analyse
import numpy as np
import scipy.constants
from pylab import *
# Rauschmessung
data1 = cassy.CassyDaten('lab/Thermo_Rauschmessung.lab')
# CASSY-Datei hat Druckwerte in der 2. Spalte, Temperatur in der 3. Spalte
p = data1.messung(1).datenreihe('p_A1').werte
T = data1.messung(1).datenreihe('T_B11').werte
figure()
subplot(2, 1, 1)
title('Histogramm der Druckwerte')
hist(p, bins=100, range=(1000., 1020.), color='green')
xlabel('p / mbar')
xlim(1000., 1020.)
p_mean = np.mean(p)
p_stdabw = np.std(p, ddof=1)
p_err = p_stdabw / np.sqrt(len(p))
print('p_mean = %f, p_stdabw = %f, p_err = %f' % (p_mean, p_stdabw, p_err))
subplot(2, 1, 2)
title('Histogramm der Temperaturwerte')
# -*- coding: utf-8 -*-
"""
Created on Sat Sep 21 13:39:02 2019
@author: Marius
"""
from praktikum import analyse
from praktikum import cassy
import numpy as np
import matplotlib.pyplot as plt
data_s = cassy.CassyDaten('daten/schwingung_10Ohm_1.lab')
data_k = cassy.CassyDaten('daten/schwingung_1000Ohm_1.lab')
data_k2 = cassy.CassyDaten('daten/schwingung_3000Ohm_1.lab')
data_a = cassy.CassyDaten('daten/aperiodisch_3_186.lab')
time = data_s.messung(1).datenreihe('t').werte
# Zeit in ms
time = time * 1000
volt_s = data_s.messung(1).datenreihe('U_B1').werte
volt_k = data_k.messung(1).datenreihe('U_B1').werte
volt_k2 = data_k2.messung(1).datenreihe('U_B1').werte
volt_a = data_a.messung(1).datenreihe('U_B1').werte
plt.figure(figsize=(12, 6))
'''
plt.plot(time, volt_s, color='blue', label='Schwingung')
plt.plot(time, volt_k, color='green', label='Kriechfall')
plt.plot(time, volt_a, color='red', label='Aperiodischer Grenzfall')
plt.xlim(0,5)
i = 2
test = list('{:.20f}'.format(err))
while test[i] == '0':
i += 1
return np.round([m, s, err], i)
freq_array = []
errfreq_array = []
Gegen = ['gegen', 20, 3000]
Gleich = ['gleich', 30, 4500]
for n in (Gegen, Gleich):
#Daten einlesen
data = cassy.CassyDaten(n[0] + '.koppl.eisen.lab')
U1 = data.messung(1).datenreihe('U_B1').werte
U2 = data.messung(1).datenreihe('U_B2').werte
t = data.messung(1).datenreihe('t').werte
'''
An dieser Stelle müsste eine Offsetkorrektur stehen, welche aber zumindest im gegensinnigen Fall
auf Grund fehlender Daten keinen Sinn ergibt. Außerdem ändert sich das Ergebnis nur marginal
[für eine Frequenzbestimmung ist eine Konstante ja egal], hier trotzdem mal ein Vorschlag:
figure()
subplot(2,1,1)
hist(U1[1000:])
title("Offset-Korrektur U1 "+n[3])
off_set1 = np.mean(U1[1000:])
print(off_set1)
2: 'daten/schwingung_5.1Ohm_',
3: 'daten/schwingung_10Ohm_',
4: 'daten/schwingung_20Ohm_',
5: 'daten/schwingung_47Ohm_',
6: 'daten/schwingung_100Ohm_'
}
reg1 = np.array([])
reg2 = np.array([])
reg2plus = np.array([])
reg2minus = np.array([])
#Frequenzen und Dämpfungen bestimmen (Regression)
for i in range(1, 6, 1):
n = np.arange(1, 1 + dic1[i].size, 1)
data = cassy.CassyDaten(dic2[i])
time = data.messung(1).datenreihe('t').werte
vol = data.messung(1).datenreihe('U_B1').werte
x = time[dic1[i]]
ex = np.full((dic1[i].size, ), 1e-05 / np.sqrt(12))
y = np.log(np.abs(vol[dic1[i]]) - dic3[i])
ey = 4.8e-03 * 1 / (np.abs(vol[dic1[i]]) - dic3[i])
ey_sys = 0.01 * np.sqrt(vol[dic1[i]]**2 +
dic3[i]**2) / (np.abs(vol[dic1[i]]) - dic3[i])
res1 = analyse.lineare_regression(n, x, ex)
res2 = analyse.lineare_regression_xy(x, y, ex, ey)
res2plus = analyse.lineare_regression_xy(x, y + ey_sys, ex, ey)
res2minus = analyse.lineare_regression_xy(x, y - ey_sys, ex, ey)
reg1 = np.concatenate((reg1, res1))
reg2 = np.concatenate((reg2, res2))
reg2plus = np.concatenate((reg2plus, res2plus))
#! /usr/bin/env python
# -*- coding: utf-8 -*-
from __future__ import print_function
from builtins import range
from praktikum import analyse
from praktikum import cassy
import numpy as np
import os
from pylab import *
inputfile = 'labx/kondensator.labx'
#inputfile = 'txt/kondensator.txt'
data = cassy.CassyDaten(inputfile)
data.info()
# Bereich für logarithmischen Fit (in ms)
tmin = 0.101
tmax = 4.001
# Beginn der "Rauschmessung" für die Offset-Korrektur (in ms)
toffset = 8.0
figure(1, figsize=(25, 10))
N = data.anzahl_messungen()
for m in range(1, N + 1):
t = data.messung(m).datenreihe('t').werte
data.messung(m).datenreihe('t').info()
errks = []
T = [0, 0, 0], [0, 0, 0], [0, 0], [0]
for i in range(1, 5): #Läuft durch Positionen (pos_i)
#if i<3:
# plt.close('all')
#Anzahl der Dateien
path, dirs, files = next(os.walk("gekoppelt/pos_" + str(i)))
file_count = len(files)
t = np.empty((file_count, bis))
U1 = np.empty((file_count, bis))
U2 = np.empty((file_count, bis))
#Daten einlesen
data = cassy.CassyDaten("gekoppelt/pos_" + str(i) + "/schweb_pos_" +
str(i) + ".lab")
t1 = data.messung(1).datenreihe("t").werte
t[0] = t1[:bis]
U1_1 = data.messung(1).datenreihe("U_A1").werte - (
offset1 + (i - 1) * 0.05) #scheinbar systematischer Offset
U1[0] = U1_1[:bis]
U1_2 = data.messung(1).datenreihe("U_B1").werte - offset2 #Pendel2
U2[0] = U1_2[:bis]
if file_count > 1: #Für 2 Messungen im Ordner einer bestimmten Position
data = cassy.CassyDaten("gekoppelt/pos_" + str(i) + "/gleich_pos_" +
str(i) + ".lab")
t2 = data.messung(1).datenreihe("t").werte
U2_1 = data.messung(1).datenreihe("U_A1").werte #Pendel1
U2_1 = U2_1 - np.mean(U2_1)
U1[1] = U2_1[:bis]
