aktuell versuche ich, meine Messdaten, die ich leider in Form von Excel Dateien bekomme, mit einem effizienten Programm zu bearbeiten.
Der Haken an der ganzen Geschichte ist, dass ich verschiedene Excel Workbooks (WB) bekomme. Z.B.
Die ersten 3 Sheets des erstens Workbooks sind 3 unterschiedliche Sheets mit verschiedenen Daten. Ab dem vieretn Sheet sind alle Sheets, egal wievieltes Workbook identisch. Ich habe festgestellt, dass es einfach viel zu lange dauert, diese Excel Sheets zu lesen. Und generell sieht mein Code furchtbar aus und ich wäre dankbar für jeden Tipp, um es "übersichtlicher" zu gestalten.
(Der Code im folgenden ist ein Ausschnitt, aber das ist eigentlich der "Kern-Code")
Code: Alles auswählen
import os, errno
#import platform
from xlrd import open_workbook
from xlrd import XL_CELL_TEXT, XL_CELL_NUMBER, XL_CELL_DATE, XL_CELL_BOOLEAN
import numpy as np
import pandas as pd
import re
import math
import matplotlib.pyplot as plt
import matplotlib
#matplotlib.use('GTK3Agg')
from matplotlib.cm import get_cmap
from matplotlib import colors as mcolors
from matplotlib.pyplot import cm
from matplotlib.font_manager import FontPropertiesCode: Alles auswählen
def two_workbooks():
global C_3_wrt
global U_3_wrt
global t_hours
global tot_cyc_1
global cap_ch_1
global cap_dch_1
## 3 Excel Workbooks were created
excel_file = pd.ExcelFile(os.path.join(path_exc, barcode[b]))
excel_file_1 = pd.ExcelFile(os.path.join(path_exc, barcode[b + 1])) # wenn ich mehr files habe, dann wächst dieserAbschnitt um +2, +3, +n.....
#List with sheets names were generated
worksheets = excel_file.sheet_names
worksheets_1 = excel_file_1.sheet_names #auch hier, je mehr files, desto mehr sheets
#First excel Workbooks contain 3 sheets in the beginning, all Detail_x_x_x containing sheet names were put into a list
Detail_cont_sheet_list = [x for x in worksheets if re.search("Detail", x, re.IGNORECASE)]
Detail_cont_sheet_list_1 = [x for x in worksheets_1 if re.search("Detail", x, re.IGNORECASE)]
first_sheets = [x for x in worksheets if x not in Detail_cont_sheet_list]
################################################################################################################################
################################################################################################################################
#
#Cycle_Sheet (second sheet) from first Workbook
result_arr1 = pd.read_excel(excel_file, sheet_name = first_sheets[1]).to_numpy()
# channel, tot_cyc:total cycle, cap_ch:capacity of charge(mAh), cap_dch:capacity of discharge(mAh), cyc_life(%)
channel_1, tot_cyc_1, cap_ch_1, cap_dch_1, cyc_life_1 = result_arr1.T
##########################################
#Statistik sheet (3rd sheet) from first workbook
result_arr2 = pd.read_excel(excel_file, sheet_name = first_sheets[2]).to_numpy()
#Channel,cyc_2:CyCle, step_2:Step, raw_step:Raw Step ID, stat_2:Status, U_i:Start Voltage(V), U_e:End Voltage(V),
#I_i=Start Current(mA), I_e:End Current(mA),C_2:CapaCity(mAh), endure_t:Endure Time(h:min:s.ms),
#rel_t_2:Relative Time(h:min:s.ms), abs_t_2:Absolute Time, cap_disch:Discharge_Capacity(mAh), cap_ch_2:Charge_Capacity(mAh),
#cap_dch_2_2:Discharge_Capacity(mAh), nE_2:Net Engy_DChg(Wh), E_ch:Engy_Chg(Wh), E_dch_2:Engy_DChg(Wh)
channel_2, cyc_2, step_2, raw_step_2, stat_2, U_i_2, U_e_2, I_i_2, I_e_2, C_2_2, endure_t_2, rel_t_2, abs_t_2, cap_dch_2, cap_ch_2, cap_dch_2_2, nE_2, E_ch, E_dch_2 = result_arr2.T
###############################################################################################################################
###############################################################################################################################
#Creating one array with all Detail containing sheets
# An empty array is needed to add all arrays with np.concatenate
result_arr3 = np.empty([0 ,11 ]) # we have 11 columns
df_list={} #this is a dictionary
# idx_sheet is the index of a sheet in the "Detail_cont_sheet_list"
for idx_sheet in range(len(Detail_cont_sheet_list)):
df_list[idx_sheet] = pd.read_excel(excel_file, sheet_name = Detail_cont_sheet_list[idx_sheet]).to_numpy()
result_arr3 = np.concatenate([result_arr3, df_list[idx_sheet]])
# adding the sheets of the second Workbook
df_list_1={}
for idx_sheet in range(len(Detail_cont_sheet_list_1)):
df_list_1[idx_sheet] = pd.read_excel(excel_file_1, sheet_name = Detail_cont_sheet_list_1[idx_sheet]).to_numpy()
result_arr3 = np.concatenate([result_arr3, df_list_1[idx_sheet]])
# seperating columns, by making a table
# rec_idx_3:record index, stat_3:status, jump_3:JumpTo, cyc_3:cycle, step_3, cur_3:current(mA), U_3:voltage(V), C_3:Capacity(mAh), E_3:Energy(Wh), rel_t_3: relative time, abs_t_3:absolute time
rec_idx_3, stat_3, jump_3, cyc_3, step_3, cur_3, U_3, C_3, E_3, rel_t_3, abs_t_3 = result_arr3.T
###############################################################################################################################
###############################################################################################################################
#
# creating an array without rest times (wrt)
# first finding any rows with the input "Rest" and write index in new array arr3_rt_idx
arr3_rt_idx = np.where(result_arr3 == "Rest")[0]
arr3_wrt = np.delete(result_arr3, arr3_rt_idx, 0)
rec_idx_3_wrt, stat_3_wrt, jump_3_wrt, cyc_3_wrt, step_3_wrt, cur_3_wrt, U_3_wrt, C_3_wrt, E_3_wrt, rel_t_3_wrt, abs_t_3_wrt = arr3_wrt.T
#
t_hours = (rec_idx_3_wrt - 1)/1200
coul_eff_fct()Ich habe eine Funktion für 2 Workbooks definiert, für 4, für 5 etc. Aber ich denke mir, das kann nicht die Lösung sein....Hat jmd Tips für mich?
