በላቀ የውሂብ ምዝግብ ውስጥ ሙከራዎች (ፓይዘን በመጠቀም) 11 ደረጃዎች

2024 ደራሲ ደራሲ: John Day | [email protected]. ለመጨረሻ ጊዜ የተሻሻለው: 2024-01-30 07:29

ብዙ የውሂብ ምዝግብ አስተማሪዎች አሉ ፣ ስለዚህ የራሴን የምዝግብ ፕሮጀክት ለመገንባት ስፈልግ አንድ ዙሪያውን ተመለከትኩ። አንዳንዶቹ ጥሩ ነበሩ ፣ አንዳንዶቹ ብዙም አልነበሩም ፣ ስለዚህ አንዳንድ የተሻሉ ሀሳቦችን ወስጄ የራሴን ትግበራ ለማድረግ ወሰንኩ። ይህ በመጀመሪያ ከጠበቅሁት በላይ እጅግ የላቀ እና የተወሳሰበ ፕሮጀክት አስገኝቷል። የእሱ ክፍል አንድ የአነፍናፊ ውሂብን በማቀናበር ተከታታይ ሙከራዎች ሆነ። ይህ አስተማሪ ተመሳሳይ ወይም ተመሳሳይ ሙከራዎችን እንዲሞክሩ ያስችልዎታል።

(ሁሉንም ኮድ ማየት እና እሱን ማውረድ ይችላሉ -ኮድ በ GitHub ውስጥ ምናልባት በ 2 ጠቅታዎች ብቻ ወደ ሌላ መስኮት ውስጥ ማየት ይችላሉ)

በተለምዶ የውሂብ ምዝገባ የሚከተሉትን ያጠቃልላል

• የውሂብ ማግኛ - ከአንዳንድ ዳሳሽ የተወሰነ ውሂብ ያንብቡ። ብዙውን ጊዜ ይህ ልክ እንደ አርዱዲኖ መሣሪያ ላይ አናሎግ ለዲጂታል መለወጫ (ኤዲሲ) ማንበብ ነው።
• የውሂብ ማቀናበር - የኤዲሲ ዋጋን በሚያነቡበት ጊዜ የመቀየሪያዎቹ ውጤት በተለምዶ ወደ ትክክለኛው አሃዶች መመዘን አለበት። የአነፍናፊ ስህተቶችን ለማስተካከል እሴቶችን ለማስተካከል አንዳንድ ማስተካከያ ማድረግም ሊኖር ይችላል።
• ማጣሪያ - ውሂብ በተለምዶ አንዳንድ ጫጫታዎችን ይ containsል ፣ ይህ ሊጣራ ይችላል ፣ ስለዚህ ጫጫታው ሳይሆን በውሂብዎ ውስጥ ምልክት እየፈለጉ ነው።
• የውሂብ ማከማቻ - ውሂቡ ይቀመጣል ፣ ምናልባትም ወደ የጽሑፍ ፋይል ፣ ምናልባትም ወደ ደመናው። ኃይሉ ቢጠፋ እንኳ ውሂብ መትረፍ አለበት። በጣም ብዙ መረጃን ማስቀመጥ ቀላል ነው ፣ የመረጃ ማከማቻ ቦታን ለመቀነስ ትንሽ ብልሃት አለን።
• የውሂብ ማሳያ - ውሂብዎን ለመመልከት ዘዴዎች ፣ በእውነቱ የውሂብ ምዝግብ ማስታወሻ አይደለም ፣ ግን የውሂቡን አንድ ዓይነት ማሳያ ካላደረጉ ለምን ይሰበስባሉ?
• የርቀት መዳረሻ - አስፈላጊ አይደለም ነገር ግን ጥሩ ነው።

አብዛኛዎቹ አስተማሪዎች ከላይ የተጠቀሱትን ግን ሁሉንም አይደሉም ፣ ወይም በጣም ቀላል በሆነ መንገድ ያደርጓቸው። ይህ አስተማሪ ብዙውን ጊዜ ከተዘለሉ የምዝግብ ማስታወሻዎች 2 ጉዳዮችን ይመለከታል እና እንደ ጉርሻ የደመና አገልግሎትን ሳይጠቀሙ ውሂብዎን የመሳል ዘዴ ይሰጥዎታል። ሁሉንም ነገር መጠቀም ወይም ቁርጥራጮችን እና ቁርጥራጮችን ማውጣት እና በራስዎ ፕሮጀክት ውስጥ እንደገና ማዋሃድ ይችላሉ።

ደረጃ 1 መሣሪያዎች እና ቁሳቁሶች

ይህ ምሳሌ በ Python ውስጥ ነው ስለዚህ እሱ ይሠራል ፣ እና ክፍሎች ማክ ፣ ፒሲ ፣ ሊኑክስ እና Raspberry Pi ን ጨምሮ በማንኛውም ስርዓተ ክወና ላይ ጥቅም ላይ ሊውሉ ይችላሉ።

ስለዚህ ይህንን አስተማሪ ለመጠቀም የሚያስፈልግዎት ሩጫ ፓይዘን 3.6 አካባቢ ብቻ ነው እና የተያያዘውን ኮድ ያውርዱ። እኔ ያዋቀርኩትን ኮድ ከሠራሁ በኋላ ለራስዎ ሙከራዎች መለወጥ ይችላሉ። በ Python እንደተለመደው ሁሉም ነገር እንዲሠራ አንዳንድ ጥቅሎችን/ሞጁሎችን ማከል ያስፈልግዎታል። የእኔ የስፓይደር አከባቢ በጣም ከሚያስፈልጉት ሁሉም አስፈላጊ ክፍሎች ጋር አብሮ ይመጣል (ይመልከቱ -ከግራን ማያ ገጽ መቧጨር ጋር ግራፍ አስተማሪ እይታዎች)። ለማንኛውም የስህተት መልዕክቶች መጀመሪያ ሲሮጡ በአካባቢዎ ስላለው ማንኛውም የጎደሉ ክፍሎች ያሳውቁዎታል።

የሚቀጥሉት ሁለት ደረጃዎች የራስዎን ሙከራ እንዴት እንደሚገነቡ እና እንደሚያካሂዱ ይነግሩዎታል ፣ ግን የራስዎን ከመሞከርዎ በፊት የተካተቱትን ሙከራዎች እስኪያካሂዱ ድረስ መጠበቅ የተሻለ ሊሆን ይችላል።

ኮዱን ለመረዳት ከእዚህ አስተማሪ ወሰን በላይ መሆኑን በማብራራት ከእቃ -ተኮር ፓይዘን ጋር ትንሽ ልምድ ሊኖርዎት ይገባል ፣ ግን Google እርስዎ የሚፈልጉትን ማንኛውንም እርዳታ ሊሰጥዎት ይገባል።

ኮዱን ልብ ይበሉ - (ኮድ በ GitHub ውስጥ ፣ ምናልባት በሌላ መስኮት ውስጥ ፣ በ 2 ጠቅታዎች ብቻ) ሊገቡ ይችላሉ) አሁን በ Python 3.6 ውስጥ ነው ፣ ስለሆነም 3.6 ማግኘቱ የተሻለ ይሆናል። የቆየ የኮድ ስሪት ከዚህ በታች ባሉት አገናኞች ውስጥ እዚህ አለ።

ደረጃ 2: ሙከራን መገንባት

ሙከራን በመገንባት ላይ ሶስት የፕሮግራም ደረጃዎች (እና መስመሮች) አሉ። እያንዳንዱ ሙከራ በፋይል simulate_logging.py ውስጥ ባለው LoggingSim ነገር ውስጥ ያለ ተግባር ነው። በሚቀጥለው ደረጃ የምናካሂደውን ሙከራ 1 (የመጀመሪያውን ግራፍ ብቻ) እንመልከት -

def_mample_rates (ራስን) ጋር

ከናሙና ተመኖች ጋር ሙከራ ያድርጉ “ዴልታ ቲ” ን “self.start_plot (plot_title =” ናሙና ተመኖች - ክፍል 1/3 ዴልታ ቲ = 1.0”) self.add_sensor_data (ስም =” dt = 1. ፣ ስፋት = 1. ፣ ጫጫታ_amp =.0 ፣ delta_t = 1. ፣ max_t = 10. ፣ run_ave = 0 ፣ trigger_value = 0) self.show_plot ()

እያንዳንዱ ሙከራ እንደ የራሱ ተግባር የተፃፈ ነው ስለዚህ ተግባሩን የሚገልጽ መስመር አለን (የመከላከያ ሙከራ…..)

ቀጣዩ ፣ የአስተያየት መስመር ያልሆነ ፣ (start_plot (….) ለሙከራው ዕቃውን ይፈጥራል እና ስም ይሰጠዋል።

ቀጣዩ ፣ የአስተያየት መስመር ያልሆነ መስመር ፣ (add_sensor_data (…) በበርካታ መስመሮች ተከፍሏል። ጫጫታ እና አንዳንድ ማቀነባበሪያ ያለው ምልክት የሚለካ ዳሳሽ ያስመስላል። የተግባራዊ ክርክሮቹ እንደሚከተለው ናቸው

• ስም - ውሂቡን ለመለየት በመጨረሻው ግራፍ ላይ የተቀመጠ ስም
• amplitude: ምልክቱ ምን ያህል ትልቅ ነው ፣ በዚህ አስተማሪ ውስጥ ሁል ጊዜ የ 1. ስፋትን እንጠቀማለን።
• noise_amp: ጫጫታው ምን ያህል ትልቅ ነው ፣ 0. ጫጫታ አይደለም ፣ እዚህ እንጀምራለን።
• delta_t: በመለኪያዎቹ መካከል ያለው ጊዜ ፣ የናሙናውን መጠን ይቆጣጠራል።
• max_t: መረጃን የምንሰበስበው ከፍተኛው ጊዜ ፣ በዚህ አስተማሪ ውስጥ ሁል ጊዜ 10 ን እንጠቀማለን።
• run_ave: ሩጫ አማካይ በመጠቀም ማቀናበር ፣ 0 ማለት ምንም ሂደት የለም ማለት ነው።
• trigger_value: ቀስቅሴ በመጠቀም ማቀናበር ፣ 0 ማለት ምንም ሂደት የለም ማለት ነው

የመጨረሻው ፣ አስተያየት ያልሆነ መስመር ፣ (self.show_plot ……) ግራፉን ያሳያል።

ነገሮችን የበለጠ ውስብስብ ለማድረግ በአንድ ሙከራ ውስጥ በግራፍ ወይም በበርካታ ግራፎች ላይ ብዙ መስመሮች ሊኖሩዎት ይችላሉ ፣ ይህ ከሚከተሉት ሙከራዎች ግልፅ መሆን አለበት።

ደረጃ 3: ሙከራን ማካሄድ

ሙከራን ለማካሄድ ይህ ኮድ ነው። በ Python ውስጥ እንደተለመደው በፋይሉ መጨረሻ ላይ ይቀመጣል።

sim_logging = LoggingSim ()

sim_logging.per_ample_rates () ጋር

ይህ 2 መስመሮች ብቻ ነው

• የምዝግብ ማስታወሻ አስመሳይ (LoggingSim ()) ይፍጠሩ
• አሂድ (sim_logging.experple_with_sample_rates ())

በወረደው ኮድ ውስጥ ጥቂት ተጨማሪ መስመሮች እና አስተያየቶች አሉኝ ፣ ለማወቅ ቀላል መሆን አለበት።

ደረጃ 4 - ሙከራ - የናሙና ተመን

አስመሳዩ ፣ እዚህ እንደተዋቀረው ፣ ሁል ጊዜ ጥሩ ለስላሳ የኃይለኛ ሞገድ ስፋት ያወጣል 1. ለዚህ ሙከራ እኛ በዴልታ_t እንደተስተካከለው ፣ በናሙናዎች መካከል ያለው የጊዜ ልዩነት ከናሙናው መጠን ጋር እንጋጫለን። እኛ ምንም ጫጫታ ወይም ሌላ ሂደት የለንም። ኮዱ 3 የናሙና ተመኖችን (delta_t = 1.0 ፣ 0.1 እና 0.01) ይጠቀማል። ግራፎቹ እርስ በእርሳቸው ላይ ስለወደቁ ሙከራው 3 የተለያዩ ግራፎችን ለማምረት ተዘጋጅቷል። የተገኙት ግራፎች ለዚህ ደረጃ ምስሎች ናቸው።

def_mample_rates (ራስን) ጋር

ከናሙና ተመኖች ጋር ሙከራ ያድርጉ “ዴልታ ቲ” ን “self.start_plot (plot_title =” የሙከራ ናሙና ደረጃዎች 1/3 ዴልታ ቲ = 1.0”) self.add_sensor_data (ስም =” dt = 1). "፣ amplitude = 1. ፣ noise_amp =.0 ፣ delta_t = 1. ፣ max_t = 10. ፣ run_ave = 0 ፣ trigger_value = 0) self.show_plot () # ------------- ----------------------------------- self.start_plot (plot_title = "የሙከራ ናሙና ተመኖች 2/3: ዴልታ T = 0.1 ") self.add_sensor_data (ስም =" dt = 1. ", amplitude = 1., noise_amp =.0, delta_t = 0.1, max_t = 10., run_ave = 0, trigger_value = 0) self.show_plot () # ------------------------------------------------ ራስን ።, run_ave = 0, trigger_value = 0) self.show_plot ()

እሱን ለማሄድ መስመሩን ይጠቀሙ- sim_logging.experiment_with_sample_rates ()

ሊሆኑ የሚችሉ መደምደሚያዎች

• በጣም ዝቅተኛ የናሙና መጠን በእርግጥ መጥፎ ነው።
• ከፍተኛ ተመኖች ብዙውን ጊዜ የተሻሉ ናቸው።

(Python 3.6 ኮድ በ GitHub አገናኝ ከዚህ በታች በአስተማሪዎች ፣ 2.7)

ደረጃ 5 ሙከራ - ጫጫታ ማሳየት

በዚህ ሙከራ ውስጥ ተመሳሳዩን ምልክት እናስቀምጠዋለን ፣ መካከለኛ የናሙና ተመን እንጠቀማለን ፣ እና እዚያም የተለያዩ የጩኸት መጠን አለን (noise_amp =.0 ፣.1 ፣ 1.0.) በሚከተለው አሂድ ፦ sim_logging.experiment_showing_noise () ውጤቱ 3 መስመሮች ያሉት አንድ ግራፍ ነው።

ሊሆን የሚችል መደምደሚያ ፦

ጫጫታ ምልክቱን ለማየት ያስቸግራል ፣ ከቻሉ ይቀንሱ።

ኮዱ ፦

# ------------------------------------------------

def experiment_showing_noise (ራስን): ህትመት "" "ጫጫታ የሚያሳይ ሙከራ የጩኸቱን ስፋት በመቀየር የተለያዩ ድምፆችን መመልከት።" "" self.start_plot (plot_title = "ጫጫታ የሚያሳየውን ሙከራ") ራስን ", amplitude = 1., noise_amp =.0, delta_t =.1, max_t = 10., run_ave = 0, trigger_value = 0) self.add_sensor_data (ስም =" ጫጫታ = 0.1 ", ስፋት = 1., noise_amp =. 1 ፣ delta_t =.1 ፣ max_t = 10. ፣ run_ave = 0 ፣ trigger_value = 0) self.add_sensor_data (ስም = “ጫጫታ = 1.0” ፣ ስፋት = 1. ፣ ጫጫታ_አምፕ = 1. ፣ delta_t =.1 ፣ max_t = 10., run_ave = 0, trigger_value = 0) self.show_plot ()

ደረጃ 6 - ሙከራ - በሚንቀሳቀስ አማካይ ጫጫታ ይቀንሱ

የሚንቀሳቀስ አማካኝ (ለምሳሌ ከ 8 ርዝመት ጋር) የመጨረሻዎቹን 8 መለኪያዎች ይወስዳል እና አማካይ ያደርጋቸዋል። ጩኸቱ በዘፈቀደ ከሆነ እኛ ወደ 0. አቅራቢያ እንደሚሆን ተስፋ እናደርጋለን ሙከራውን በ: sim_logging.experiment_showing_noise ()። አንድ ግራፍ ውጣ።

ሊሆኑ የሚችሉ መደምደሚያዎች

• የሚንቀሳቀስ አማካይ ጫጫታውን ብዙ ያስወግዳል
• የሚንቀሳቀሰው አማካይ ረዘም ባለ መጠን የጩኸት መቀነስ
• ረዥም የሚንቀሳቀስ አማካይ ምልክቱን ሊቀንስ እና ሊያዛባ ይችላል

ኮዱ ፦

# ------------------------------------------------

def experiment_with_moving_average (self): "" "MovingAverage ጋር ሙከራ ርዝመቱን በመቀየር የተለያዩ MovingAverage ን መመልከት። ሁሉም ተመሳሳይ ጫጫታ አላቸው።" " # ------------------ ------------------------------ self.start_plot (plot_title = "MovingAverage-Part 1/2: No Moving Average").add_sensor_data (ስም = "ave len = 0", amplitude = 1., noise_amp =.1, delta_t =.1, max_t = 10., run_ave = 0, trigger_value = 0) self.show_plot () self.start_plot (plot_title = "MovingAverage-Part 2/2: Len 8 and 32") self.add_sensor_data (name = "ave len = 8", amplitude = 1., noise_amp =.1, delta_t =.1, max_t = 10., run_ave = 8, trigger_value = 0) self.add_sensor_data (ስም = "ave len = 32", amplitude = 1., noise_amp =.1, delta_t =.1, max_t = 10., run_ave = 32, trigger_value = 0) self.show_plot ()

ደረጃ 7: ሙከራ - የመንቀሳቀስ አማካይ እና የናሙና ተመን

በዚህ ሙከራ ውስጥ ጥሬ ምልክቱን ከጩኸት እና ጫጫታ በመቀነስ ላይ 2 የተለያዩ ልዩነቶች እናወዳድራለን።

1. መካከለኛ የናሙና ተመን እና መካከለኛ ሩጫ አማካይ
2. ከፍተኛ የናሙና መጠን እና ከፍተኛ ርዝመት አማካይ ሩጫ

በሚከተለው አሂድ ፦ sim_logging …… ውጤት አንድ ግራፍ ነው። እኛ ድምዳሜ ላይ እንድንደርስ #2 ድምፁን ለመቀነስ የተሻለ ሥራ እንደሚሠራ ግልፅ ይመስለኛል-

ከፍተኛ የናሙና ተመን እና ከፍተኛ ርዝመት ሩጫ አማካይ ጥሩ ናቸው

ነገር ግን ወጪ መኖሩን ግምት ውስጥ ማስገባት አለብዎት. ቁጥር 2 ብዙ ተጨማሪ ሂደትን የሚወስድ እና ብዙ ተጨማሪ ውሂብ እንዲቀመጥ ያደርጋል። ወጪው ዋጋ ላይኖረው ይችላል ወይም ላይሆን ይችላል። በሚቀጥለው ሙከራ ውስጥ ቀስቅሴ ፣ የተከማቸ የውሂብ መጠንን ለመቀነስ መሣሪያ እንጨምራለን።

ኮዱ ፦

def_maging_wving_aving_average_and_sample_rate (ራስን) ፦

በሚንቀሳቀስ አማካኝ እና የናሙና ተመን ፣ dt ፣ አሂድ አማካይ ሲለዋወጥ ያትሙ””” # ---------------------------- -------------------- self.start_plot (plot_title = "Moving Average and Sample Rate") self.add_sensor_data (ስም = "dt =.1 ra = 0 trig = 0 "፣ amplitude = 1. ፣ noise_amp =.1 ፣ delta_t =.1 ፣ max_t = 10. ፣ run_ave = 0 ፣ trigger_value = 0) self.add_sensor_data (ስም =" dt =.1 ra = 10 trig = 0 ") amplitude = 1., noise_amp =.1, delta_t =.1, max_t = 10., run_ave = 10, trigger_value = 0) self.add_sensor_data (ስም = "dt =.01 ra = 100 trig = 0", amplitude = 1)., noise_amp =.1 ፣ delta_t =.01 ፣ max_t = 10. ፣ run_ave = 100 ፣ trigger_value = 0) self.show_plot ()

ደረጃ 8: ሙከራ - ከአነቃቂ ጋር መግባት

በዚህ ሙከራ ውስጥ ቀስቅሴ እንጨምራለን። መጀመሪያ ፣ ቀስቅሴ ማለቴ ምን ማለት ነው? ቀስቅሴ መረጃን የምንሰበስብበት ዘዴ ነው ፣ ግን አንዳንድ ተለዋዋጭ በከፍተኛ መጠን ከተለወጠ በኋላ ብቻ ያስቀምጡት። በእነዚህ ሙከራዎች ጊዜ (x ዘንግ) ተለዋዋጭ ላይ ቀስቅሴ አደረግሁ። ቀስቅሴውን በመጠቀም ከፍተኛውን የውሂብ መጠን ከፈጣን ናሙና ወስጄ ወደ ምክንያታዊ የውሂብ መጠን መቀነስ እችላለሁ። በከፍተኛ የናሙና ተመኖች እና በረጅም ሩጫ አማካይነት ልዩነቱ ጠቃሚ ነው።

ካለፈው ሙከራ “ጥሩ” እና የተጨመቀ ቀስቅሴ #2 መስመርን ወስጃለሁ። በሚከተለው አሂድ ፦ sim_logging …… ውጤት አንድ ግራፍ ፣ x መስመሮች ነው።

ምን ሆንክ? በተመጣጣኝ የውሂብ መጠን (እንደ #1 ተመሳሳይ) “ጥሩ” ሴራ እናገኛለን። በከፍተኛ ሂደት ውስጥ አንዳንድ ወጪዎች አሉ። በአጠቃላይ ግን ውጤቶቹ በአነስተኛ ማጣሪያ ከ #1 በታችኛው የናሙና ተመን ጋር ተመሳሳይ ናቸው። እርስዎ ሊደመድሙ ይችላሉ-

• ቀስቅሴ ያለው ረጅም ሩጫ አማካኝ በተመጣጣኝ የውሂብ መጠን ጥሩ የድምፅ ቅነሳን ሊሰጥ ይችላል።
• ተጨማሪው ሂደት ያን ያህል የተሻለ ውጤት ላይሰጥ ይችላል እና ከወጪ ጋር ይመጣል።

ኮዱ ፦

# ------------------------------------------------

def experiment_with_trigger (ራስን): "" "ሙከራን በማነሳሳት ፣ ዲቲ ፣ አማካይ አሂድ እና ሁሉም የተለያዩ እንዲሆኑ አስነሳ" " # # ----------------------- ------------------------- self.start_plot (plot_title = "Trigger 1/1-Triggering On") self.add_sensor_data (ስም = "dt =.1 ራ = 10 ፣ ትሪግ = 0 "፣ ስፋት = 1. ፣ ጫጫታ_አምፕ =.1 ፣ delta_t =.1 ፣ max_t = 10. ፣ run_ave = 10 ፣ trigger_value = 0) self.add_sensor_data (ስም =" dt =.01) ra = 100 ፣ trig =.1 "፣ ስፋት = 1. ፣ ጫጫታ_አምፕ =.1 ፣ delta_t =.01 ፣ max_t = 10. ፣ run_ave = 100 ፣ trigger_value =.1) self.show_plot ()

=

ደረጃ 9: ሙከራ - ከአነቃቂ ጋር መመዝገብ - የጩኸት ጫጫታ

እንደ መጨረሻው ደረጃ ተመሳሳይ ሙከራን እና ጫጫታውን ከፍ እናድርግ። በሚከተለው አሂድ: sim_logging …… ውጤት አንድ ግራፍ ፣ 2 መስመሮች ነው።

አሁን ተጨማሪው ሂደት የበለጠ ዋጋ ያለው ይመስላል። እዚህ ምክንያታዊ መደምደሚያ ሊሆን ይችላል-

ለድምጽ ቅነሳ የሂደቱን መጠን እና ዓይነት መምረጥ በእርስዎ ምልክት እና ጫጫታ ላይ የተመሠረተ ነው።

ኮዱ ፦

def test_with_trigger_louder_noise (ራስን) ፦

"" "ከቀዳሚው ሙከራ ይልቅ የጩኸት ጫጫታ" "" self.start_plot (plot_title = "Test with Trigger-Louder Noise") self.add_sensor_data (ስም = "… dt =.1 ra = 10", amplitude = 1., noise_amp =.5 ፣ delta_t =.1 ፣ max_t = 10. ፣ run_ave = 10 ፣ trigger_value = 0) self.add_sensor_data (ስም = "..dt =.01 ራ = 100 ቲቪ =.1" ፣ ስፋት = 1., noise_amp =.5 ፣ delta_t =.01 ፣ max_t = 10. ፣ run_ave = 100 ፣ trigger_value =.1) self.show_plot ()

ደረጃ 10 - የራስዎን ሙከራዎች ያድርጉ

በዚህ ነጥብ ላይ በዚህ አስተማሪ ውስጥ ያሉት ቴክኒኮች በመረጃ ምዝግብ ውስጥ ጠቃሚ ሊሆኑ እንደሚችሉ ፣ ግን እነሱም በተወሰነ ሀሳብ ጥቅም ላይ መዋል እንዳለባቸው ተስፋ አደርጋለሁ። ከእነሱ ጋር መሞከር ያንን ሂደት ሊረዳ ይችላል።

በሙከራዎች እና ሊመለከቷቸው በሚችሏቸው ነገሮች ላይ አንዳንድ አስተያየቶች-

• የሚስብ የምልክት ዓይነት የሲን ሞገዶች ብቻ አይደሉም ፣ ሌሎችን ይሞክሩ ፣ ሌሎች ሞገዶችን ወይም ማዕበሎችን ወይም…..
• ለጩኸቱ መደበኛ ስርጭት ተጠቀምኩ ፣ ብዙ ዓይነት ጫጫታዎች አሉ ፤ ሌሎችን ግምት ውስጥ ማስገባት አለብዎት
• አማካይ ሩጫ ቀላል ነው ፣ ግን ጫጫታ ለመመልከት ብቸኛው ዘዴ አይደለም

ማሳሰቢያ - ስዕሎችን ከዊኪፔዲያ መመዝገብ።

ደረጃ 11: በመመዝገቢያ ሶፍትዌርዎ ውስጥ ቴክኒኮችን መጠቀም

የእኔ ኮድ የነገር ተኮር ነው እና አማካይ እና ቀስቅሴ ለማስኬድ ማቀናበር ወደ የእርስዎ Python አካባቢ ብቻ ሊቀዳ እና ከዚያ ጥቅም ላይ ሊውል ይችላል። ዕቃዎቹ -

• DataTrigger በ data_trigger.py ውስጥ
• MovingAverage በ motsi_average.py ውስጥ

የእኔ ዋና ነገር LoggingSim በ simulate_logging.py ውስጥ እንዴት እንደሚጠቀሙበት ጥሩ ምሳሌ ሊሰጥዎት ይገባል። ሌላ ቋንቋ የሚጠቀሙ ከሆነ የእኔን ኮድ ማንበብ እና በቋንቋዎ ውስጥ መተግበር ይችላሉ።

ይህ ኮድ ለፕሮጀክትዎ የተሻለ የውሂብ ምዝግብ ሊሰጥ ይችላል ፣ ይሞክሩት።

ከላይ ያለው ግራፍ ተመሳሳይ የሩጫ አማካኝ ነገርን በሚጠቀም በ russ_hensel ከግራፍ የእርስዎ የፀሐይ ኃይል ነው።