Python read LTspice plot export

Question

Я хотел бы построить некоторые данные из LTspice с Python и matplotlib, и я ищу решение для импорта экспортированных данных графика из LTspice в Python.

я не нашел способа сделать это с помощью панд, так как формат данных выглядит следующим образом:

5.00000000000000e+006\t(2.84545891331278e+001dB,8.85405282381414e+001°) 

Есть ли возможность импортировать это с пандой (например, с собственным диалектом) или же кто-то знаете простой способ обхода (например, чтение файла по строкам и извлечение значений)?

Чтобы сделать вещи хуже, при экспорте сюжета нескольких шагов, данные разделены линиями, как

Step Information: L=410n (Run: 2/4) 

В Java, я мог бы использовать Scanner объекта для чтения данных. Есть ли аналогичная функция в Python или даже более простой способ получить данные графика в Python?

Answer 1

Я не знаком с экспортированными данными графика из LTspice, поэтому я предполагаю, что форматирование приведенных строк примера действителен на все времена.

Глядя на раздел инструментов IO в документации pandas-0.18 (here), я не вижу готовой утилиты анализатора для вашего формата данных. Первое, что приходит на ум, - это сделать свой собственный синтаксический анализ и подготовить перед заполнением кадра данных pandas.

Я предполагаю, что важной частью вашей проблемы является синтаксический анализ файла данных, прошло некоторое время с тех пор, как я играл с пандами и matplotlib, поэтому ожидайте ошибок, связанных с ними.

Пример

Вот быстрый & грязный python3 скрипт для анализа данных в список словарей, построить панд dataframe с ним и построить его с помощью plot метода, DataFrame в. Я пытался объяснить шаги в комментариях:

# ltspice.py 
""" Use it as: 
    > python3 ltspice.py /path/to/datafile """ 

import pandas 
import sys 

data_header = "Time Gain Degree".split() 

# Valid line example: 
# 5.00000000000000e+006\t(2.84545891331278e+001dB,8.85405282381414e+001°) 

def parse_line(linestr): 
    # ValueError and IndexError exceptions are used to mark the failure of 
    # the parse. 
    try: 
     # First we split at the '\t' character. This will raise ValueError if 
     # there is no \t character or there is more than 1 \t 
     timestr, rest = linestr.split('\t') 

     # Then we find the indexes of the '(' and ')' in the rest string. 
     parenst, parenend = (rest.find('(')+1, rest.find(')')) 
     if (parenst == -1) or (parenend == -1): 
      # find() method returns -1 if nothing is found, I raise ValueError 
      # to mark it as a parsing failure 
      raise ValueError 

     # rest[parenst:parenend] returns the string inside parens. split method 
     # splits the string into words separated by the given character (i.e. 
     # ',') 
     powstr, degstr = rest[parenst:parenend].split(',') 

     # converting strings into floats. Replacing units as necessary. 
     time = float(timestr) 
     power = float(powstr.replace('dB', '')) 

     # this will fail with python 2.x 
     deg = float(degstr.replace('°', '')) 

     # You can use dict() instead of tuple() 
     return tuple(zip(data_header, (time, power, deg))) 

    except (ValueError,IndexError) as e: 
     return None 


def fileparser(fname): 
    """ A generator function to return a parsed line on each iteration """ 
    with open(fname, mode='r') as fin: 
     for line in fin: 
      res = parse_line(line) 
      if res is not None: 
       yield res 

def create_dataframe(fname): 
    p = fileparser(fname) 
    # rec is a tuple of 2-tuples that can be used to directly build a python 
    # dictionary 
    recs = [dict(rec) for rec in p] 
    return pandas.DataFrame.from_records(recs) 

if __name__ == '__main__': 
    data_fname = sys.argv[1] 
    df = create_dataframe(data_fname) 

    ax = df.plot(x='Time', y='Gain') 
    fig = ax.get_figure() 
    fig.savefig('df.png') 

Вы можете скопировать этот код в текстовый редактор и сохраните его как ltspice.py и запустить его с python3 ltspice.py yourdata.dat от вашего терминала.

Обратите внимание, что функция parse_line фактически возвращает кортеж из 2-х кортежей в форме («ключ», значение), где «ключ» представляет имя столбца. Это значение затем используется для создания списка словарей в функции create_dataframe.

Extra

Я написал еще один сценарий, чтобы проверить поведение:

# test.py 
import random 
from ltspice import fileparser 


def gen_data(): 
    time = random.randint(0,100)*1e6 
    db = random.lognormvariate(2,0.5) 
    degree = random.uniform(0,360) 
    # this is necessary for comparing parsed values with values generated 
    truncate = lambda x: float('{:.15e}'.format(x)) 
    return (truncate(time),truncate(db),truncate(degree)) 


def format_data_line(datatpl): 
    time, db, degree = datatpl[0], datatpl[1], datatpl[2] 
    formatted = "{0:.15e}\t({1:.15e}dB,{2:.15e}°)\n" 
    return formatted.format(time, db, degree) 


def gen_ignore_line(): 
    tmpl = "Step Information: L={}n (Run:{}/{})\n" 
    l = random.randint(100,1000) 
    r2 = random.randint(1,100) 
    r1 = random.randint(0,r2) 
    return tmpl.format(l,r1,r2) 


def create_test_file(fname, valid_count, invalid_count): 
    """ Creates a test file containing data lines mixed with lines to be 
    ignored. Returns the data created. 
    valid_count: number of the actual data lines 
    invalid_count: number of the to-be-ignored lines 
    """ 
    header = 'Time Gain Degree'.split() 
    data = [] 
    formatteddatalines = [] 
    for i in range(valid_count): 
     unfmtdata = gen_data() 
     data.append(tuple(zip(header, unfmtdata))) 
     formatteddatalines.append(format_data_line(unfmtdata)) 

    invalidlines = [] 
    for i in range(invalid_count): 
     invalidlines.append(gen_ignore_line()) 

    lines = formatteddatalines + invalidlines 
    random.shuffle(lines) 
    with open(fname, mode='w') as fout: 
     fout.writelines(lines) 

    return data 

if __name__ == '__main__': 
    fname = 'test.data' 
    validcnt = 10 
    invalidcnt = 2 

    validdata = create_test_file(fname, validcnt, invalidcnt) 
    parseddata = [data for data in fileparser(fname)] 

    # Note: this check ignores duplicates. 
    assert(set(validdata) == set(parseddata)) 

Answer 2

Я написал читатель Python для LTspice выходные моделирования файлов, которые вы можете найти здесь: LTSPy. Также есть примеры файлов о том, как использовать здесь читателя: exltspy.zip. Надеюсь, что это полезно. (Я заранее извиняюсь за свои неряшливые правила кодирования).