使用 LightningChart Python 可视化数据

我们将使用 LightningChart Python 创建加速度数据的波形图。下面是正在创建仪表板的notebook文件中的两个代码单元格。

import lightningchart as lc

lc.set_license("LICENSE-KEY")

# Create a dashboard object with a specified number of columns and rows, and a light theme

dashboard = lc.Dashboard(columns=2, rows=1, theme=lc.Themes.Light)

# Opens and initializes dashboard before adding the data in the cell below, hence the live=True

dashboard.open(live=True)

# Extract the time and acceleration data from the DataFrame

time = dmgDataCleaned['Time'].tolist()

time = [x * 1000 for x in time]  # Convert time to milliseconds

# Extract acceleration data for each sensor and convert to lists

acceleration1 = dmgDataCleaned['Acceleration1'].tolist()

acceleration2 = dmgDataCleaned['Acceleration2'].tolist()

acceleration3 = dmgDataCleaned['Acceleration3'].tolist()

acceleration4 = dmgDataCleaned['Acceleration4'].tolist()

acceleration5 = dmgDataCleaned['Acceleration5'].tolist()

acceleration6 = dmgDataCleaned['Acceleration6'].tolist()

# Grouped chart (overlay of all sensors' data)

chart1 = dashboard.ChartXY(column_index=0, row_index=0)

chart1.set_title('Damaged Acceleration Data - Sensors Overlaid')

chart1.get_default_x_axis().set_title('Time').set_tick_strategy('DateTime', 1600342203000)

chart1.get_default_y_axis().set_title('m/s²')

# Add line series for each sensor to the grouped chart

series_1 = chart1.add_line_series().append_samples(x_values=time, y_values=acceleration1)

series_1.set_name('Sensor 1')

series_2 = chart1.add_line_series().append_samples(x_values=time, y_values=acceleration2)

series_2.set_name('Sensor 2')

series_3 = chart1.add_line_series().append_samples(x_values=time, y_values=acceleration3)

series_3.set_name('Sensor 3')

series_4 = chart1.add_line_series().append_samples(x_values=time, y_values=acceleration4)

series_4.set_name('Sensor 4')

series_5 = chart1.add_line_series().append_samples(x_values=time, y_values=acceleration5)

series_5.set_name('Sensor 5')

series_6 = chart1.add_line_series().append_samples(x_values=time, y_values=acceleration6)

series_6.set_name('Sensor 6')

# Set the line thickness for each series in the grouped chart

for series in [series_1, series_2, series_3, series_4, series_5, series_6]:

    series.set_line_thickness(2)

# Add a legend to the grouped chart

chart1.add_legend(data=chart1)

# Stacked Chart (each sensor's data on a separate Y-axis)

chart2 = dashboard.ChartXY(column_index=1, row_index=0)

chart2.set_title('Damaged Acceleration Data - Sensors Stacked')

chart2.get_default_x_axis().set_title('Time').set_tick_strategy('DateTime', 1600342203000)

# Remove the default Y-axis since we will add custom Y-axes for each series

chart2.get_default_y_axis().dispose()

# Function to add a series to the chart with a stacked Y-axis

def add_series_with_stacked_y_axis(chart, stack_index, x_values, y_values, title):

    # Add a new Y-axis with the specified stack index

    axis_y = chart.add_y_axis(stack_index=stack_index)

    # Set margins for the Y-axis (no margins for the first and last axes)

    axis_y.set_margins(15 if stack_index > 0 else 0, 15 if stack_index < 5 else 0)

    # Set the title for the Y-axis

    axis_y.set_title(title=title)

    # Set the interval for the Y-axis and stop after the specified range

    axis_y.set_interval(-100, 100, stop_axis_after=True)

    # Add a line series to the chart using the newly created Y-axis

    series = chart.add_line_series(y_axis=axis_y, data_pattern='ProgressiveX')

    # Append the data to the series

    series.append_samples(x_values=x_values, y_values=y_values)

    # Set the name and line thickness for the series

    series.set_name(title)

    series.set_line_thickness(2)

# Add each sensor's data to the stacked chart with its own stacked Y-axis

add_series_with_stacked_y_axis(chart2, 0, time, acceleration1, 'Sensor 1')

add_series_with_stacked_y_axis(chart2, 1, time, acceleration2, 'Sensor 2')

add_series_with_stacked_y_axis(chart2, 2, time, acceleration3, 'Sensor 3')

add_series_with_stacked_y_axis(chart2, 3, time, acceleration4, 'Sensor 4')

add_series_with_stacked_y_axis(chart2, 4, time, acceleration5, 'Sensor 5')

add_series_with_stacked_y_axis(chart2, 5, time, acceleration6, 'Sensor 6')

此代码创建了一个包含两个图表的仪表板：一个图表叠加了所有六个传感器的数据，另一个图表在单独的 Y 轴上显示了每个传感器的数据。此可视化提供了加速度数据的全面视图，使分析和比较每个传感器的响应变得更加容易。

自定义可视化

调整图表属性以根据您的要求定制可视化效果。

最终结构完整性分析 Python 应用程序

传感器数据的反思

分析数据集后，我们发现传感器 6 有一个值得注意的现象。与其他传感器相比，传感器 6 测量的值似乎更高，而其他传感器的测量值大多几乎相同。这种差异可能是由以下几个因素造成的：

1. 传感器6附近的冲击或力：较高的数值可能是由于在传感器6处或其附近发生的冲击或作用力引起的。

2. 传感器灵敏度：这也可能是因为传感器6比其他传感器更敏感，可能需要重新校准。

3. 结构柔性：由于结构在更高层次的柔性增加，位于建筑顶部（传感器6所在位置）测得的加速度可能会更高。

值得注意的是，该数据集来自实验环境。在现实场景中，这样的读数需要进一步监控甚至现场访问，以确保数据的准确性和传感器的完整性。

总结

在本项目中，我们设置了Python环境，加载并处理了结构健康监测数据，并使用LightningChart Python进行了可视化。LightningChart Python 提供了先进的图表功能，这对于可视化复杂数据至关重要。整个过程包括读取数据文件、清理和预处理数据以及创建有洞察力的可视化图表。