Ax.scatter Plot von Text Datein erstellen

[Tasjathea]

Hallo,

ich bin blutige Anfängerin und verstehe an für sich wie man ein ax.scatter erstellt wenn ich es anhand von eigenen Daten mache. Jedoch weiß ich nicht wie es mit Text Dateien machen soll.


Ich habe mehrere Textdateien mit jeweils 2205 rows und 60 oder 6000 columns.

Das habe ich bisher erstellt ( http://localhost:8888/lab/tree/Untitled1.ipynb ) Nun geht es darum, dass ich von den einzelen Text Dateien plots erstelle um die Verteilung zu sehen.

Um den background zu verstehen hier nochmal die Allgemeine Thema Beschreibung:


Condition monitoring of hydraulic systems

Abtract: The data set addresses the condition assessment of a hydraulic test rig based on multi sensor data. Four fault types are superimposed with several severity grades impeding selective quantification.

Source:
Creator: ZeMA gGmbH, Eschberger Weg 46, 66121 Saarbrücken
Contact: t.schneider@zema.de, s.klein@zema.de, m.bastuck@lmt.uni-saarland.de, info@lmt.uni-saarland.de

Data Type: Multivariate, Time-Series
Task: Classification, Regression
Attribute Type: Categorical, Real
Area: CS/Engineering
Format Type: Matrix
Does your data set contain missing values? No

Number of Instances: 2205

Number of Attributes: 43680 (8x60 (1 Hz) + 2x600 (10 Hz) + 7x6000 (100 Hz))

Relevant Information:
The data set was experimentally obtained with a hydraulic test rig. This test rig consists of a primary working and a secondary cooling-filtration circuit which are connected via the oil tank [1], [2]. The system cyclically repeats constant load cycles (duration 60 seconds) and measures process values such as pressures, volume flows and temperatures while the condition of four hydraulic components (cooler, valve, pump and accumulator) is quantitatively varied.

Attribute Information:
The data set contains raw process sensor data (i.e. without feature extraction) which are structured as matrices (tab-delimited) with the rows representing the cycles and the columns the data points within a cycle. The sensors involved are:
Sensor Physical quantity Unit Sampling rate
PS1 Pressure bar 100 Hz
PS2 Pressure bar 100 Hz
PS3 Pressure bar 100 Hz
PS4 Pressure bar 100 Hz
PS5 Pressure bar 100 Hz
PS6 Pressure bar 100 Hz
EPS1 Motor power W 100 Hz
FS1 Volume flow l/min 10 Hz
FS2 Volume flow l/min 10 Hz
TS1 Temperature ∞C 1 Hz
TS2 Temperature ∞C 1 Hz
TS3 Temperature ∞C 1 Hz
TS4 Temperature ∞C 1 Hz
VS1 Vibration mm/s 1 Hz
CE Cooling efficiency (virtual) % 1 Hz
CP Cooling power (virtual) kW 1 Hz
SE Efficiency factor % 1 Hz

The target condition values are cycle-wise annotated in ëprofile.txtë (tab-delimited). As before, the row number represents the cycle number. The columns are

1: Cooler condition / %:
3: close to total failure
20: reduced effifiency
100: full efficiency

2: Valve condition / %:
100: optimal switching behavior
90: small lag
80: severe lag
73: close to total failure

3: Internal pump leakage:
0: no leakage
1: weak leakage
2: severe leakage

4: Hydraulic accumulator / bar:
130: optimal pressure
115: slightly reduced pressure
100: severely reduced pressure
90: close to total failure

5: stable flag:
0: conditions were stable
1: static conditions might not have been reached yet

Relevant Papers:
[1] Nikolai Helwig, Eliseo Pignanelli, Andreas Sch¸tze, ëCondition Monitoring of a Complex Hydraulic System Using Multivariate Statisticsí, in Proc. I2MTC-2015 - 2015 IEEE International Instrumentation and Measurement Technology Conference, paper PPS1-39, Pisa, Italy, May 11-14, 2015, doi: 10.1109/I2MTC.2015.7151267.
[2] N. Helwig, A. Sch¸tze, ëDetecting and compensating sensor faults in a hydraulic condition monitoring systemí, in Proc. SENSOR 2015 - 17th International Conference on Sensors and Measurement Technology, oral presentation D8.1, Nuremberg, Germany, May 19-21, 2015, doi: 10.5162/sensor2015/D8.1.
[3] Tizian Schneider, Nikolai Helwig, Andreas Sch¸tze, ëAutomatic feature extraction and selection for classification of cyclical time series dataí, tm - Technisches Messen (2017), 84(3), 198ñ206, doi: 10.1515/teme-2016-0072.

Citation Requests:
Nikolai Helwig, Eliseo Pignanelli, Andreas Sch¸tze, ëCondition Monitoring of a Complex Hydraulic System Using Multivariate Statisticsí, in Proc. I2MTC-2015 - 2015 IEEE International Instrumentation and Measurement Technology Conference, paper PPS1-39, Pisa, Italy, May 11-14, 2015, doi: 10.1109/I2MTC.2015.7151267.

[einfachTobi]

Zunächst funktioniert dein Link nicht, weil er auf localhost zeigt.
Hier werden die Daten in ein pandas DataFrame eingelesen und dann auf diverse Arten dargestellt. Wenn du die Daten erstmal eingelesen hast, kannst du damit wie gewohnt plotten. Zum Beispiel mit `plot()` oder `scatter()` der matplotlib.

[Tasjathea]

Ok.. ich versuche das heute mal und melde mich dann nochmal, falls es nicht klappen sollte.
Die Seite, welche du verlinkt hast hatte ich auch schon gesehen. Nur wollte ich es eben auf einem eigenen weg probieren.
Mein erster schritt war, dass ich die einzlenen Datensätze, also TS1..usw, einglesen habe:

Hier jetzt für VS1

df = pd.read_csv ("/Users/tasjahoernke/Desktop/BA/Daten Hydraulische Maschine/VS1.txt", sep="\t", header=None)
df
und nun wollte ich das ganze dann Plotten und weiß da eben nicht wie ich den Befehl mache.

Online und in diversen Büchern habe ich diese Vorgehensweis gefunden:

girls_grades = [89, 90, 70, 89, 100, 80, 90, 100, 80, 34]
boys_grades = [30, 29, 49, 48, 100, 48, 38, 45, 20, 30]
grades_range = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
fig=plt.figure()
ax=fig.add_axes([0,0,1,1])
ax.scatter(grades_range, girls_grades, color='r')
ax.scatter(grades_range, boys_grades, color='b')
ax.set_xlabel('Grades Range')
ax.set_ylabel('Grades Scored')
ax.set_title('scatter plot')
plt.show()

Verstehe ich auch aber ich habe jetzt ja so viele Werte bzw. kann die ja nicht alle abtippen und stelle mir halt die frage wie ich die davor einglesen Befehle einbauen soll.

[einfachTobi]

Mit einem Blick in die Dokumentation von Axes.scatter kannst du feststellen, dass `x` und `y` ein "array_like" sein kann. Also übergibst du einfach die entsprechenden Spalten deines DataFrames.