python雨滴数浓度计算

前面已经将32×32的数据删除了不需要的列，数据变成了32×21的数据

excel的粒径为了匹配txt的32行数据，我进行了重复复制，将excel变成下图：

 那么采用数浓度公式：

代码：

# -*- coding:utf-8 -*-
"""
@author: SuYue
@file: shunongdu.py
@time: 2024/04/30
@desc:
"""
import numpy as np
import pandas as pd

df1 = pd.read_excel('D:/lianxi/直径.xls')
# delta_d = {'变化直径':[0.125, 0.125, 0.125, 0.125, 0.125, 0.125, 0.125, 0.125, 0.188, 0.25, 0.25, 0.25, 0.25, 0.375, 0.5, 0.5, 0.5, 0.5, 0.75, 1, 1]}
speed = {'速度':[0.05, 0.15, 0.25, 0.35, 0.45, 0.55, 0.65, 0.75, 0.85, 0.95, 1.1, 1.3, 1.5, 1.7, 1.9, 2.2, 2.6, 3, 3.4, 3.8, 4.4, 5.2, 6, 6.8, 7.6, 8.8, 10.4, 12, 13.6, 15.2, 17.6, 20.8]}
# df1 = pd.DataFrame(delta_d)
df2 = pd.DataFrame(speed)

file_path = 'D:/lianxi/53469-20220718_out.txt'

# 读整个txt文件读取到单个字符串
with open(file_path, 'r', errors='ignore') as file:
    file_content = file.read()

# 按时间戳拆分内容以查找单独的部分
# 时间戳的格式为 YYYY-MM-DD HH：MM：SS，因此我们将使用正则表达式根据此模式进行拆分
import re
sections = re.split(r'\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}\n', file_content)
# print(sections)

# 如果txt第一个元素为空值（由于拆分），则将其删除
if not sections[0]:
    sections.pop(0)

# 将每个部分放入列表
list = []
# 前面txt有速度直径介绍标识,从第二组数据开始读
for section in sections:
    # 将字符串拆分为几行，然后按空格拆分每行并转换为 DataFrame
    lines = section.strip().split('\n')
    matrix = [line.split() for line in lines]
    df = pd.DataFrame(matrix)


    # 计算数浓度公式
    # 按行读，一行为一个列表
    n = df.iloc[:,0:21].values.astype(float)
    # 按列读，一列为一个列表
    d = df1.iloc[:,0:21].values.astype(float)
    v = df2.iloc[:].values.astype(float)
    A = float(0.0054)
    t = float(60)
    ND = n / A * t * v * d
    df3 = pd.DataFrame(ND)
    sum_b = df3.iloc[:,0:21].sum()
    print(sum_b)

    # ND_SUM = ND.sum()
    # print(ND)

    # r = n/d
    # print(r)

    # 从第一组数据开始，先按列读，从第1列开始读取每行n值
    # for col,n in df.items():
    #     # 从第1列开始读，读取其32行n值，共读取21列1
    #     n = [float(x) for x in n.values]
    #     n = np.array(n)
    #     # print(cnt)
    #     d = df1.iloc[0:30,:].values.astype(float)
    #     print(d)








        # v = df2.iloc[:].values.astype(float)
        # print(v)
# 显示每个dataframe形状以确认
# df_shapes = df.shape[n]
# print(df_shapes)