更新

python代码/VS code/PythonApplication3/pythonProject6/.venv/pyvenv.cfg

@@ -0,0 +1,8 @@
+home = C:\Users\lenovo\AppData\Local\Programs\Python\Python313
+implementation = CPython
+version_info = 3.13.0.final.0
+virtualenv = 20.24.5
+include-system-site-packages = false
+base-prefix = C:\Users\lenovo\AppData\Local\Programs\Python\Python313
+base-exec-prefix = C:\Users\lenovo\AppData\Local\Programs\Python\Python313
+base-executable = C:\Users\lenovo\AppData\Local\Programs\Python\Python313\python.exe

python代码/VS code/pythonProject6/.venv/pyvenv.cfg

@@ -0,0 +1,8 @@
+home = C:\Users\lenovo\AppData\Local\Programs\Python\Python313
+implementation = CPython
+version_info = 3.13.0.final.0
+virtualenv = 20.24.5
+include-system-site-packages = false
+base-prefix = C:\Users\lenovo\AppData\Local\Programs\Python\Python313
+base-exec-prefix = C:\Users\lenovo\AppData\Local\Programs\Python\Python313
+base-executable = C:\Users\lenovo\AppData\Local\Programs\Python\Python313\python.exe

python代码/chaogao1.py

@@ -1,19 +1,73 @@
+# 导入必要库
+import pandas as pd
 import matplotlib.pyplot as plt
+from sklearn.linear_model import LinearRegression
+import numpy as np
 
-# 设置图片清晰度
-plt.rcParams['figure.dpi'] = 300
-
-# 设置中文字体
+# 设置中文字体（避免中文乱码）
 plt.rcParams['font.sans-serif'] = ['WenQuanYi Zen Hei']
+plt.rcParams['axes.unicode_minus'] = False
 
-# 绘制折线图
-plt.plot(df['T/℃'], df['Vf/μA'], marker='o')
+# 1. 读取数据
+df = pd.read_csv('/mnt/code_20251204.csv')
+# 验证数据结构
+print("数据前5行：")
+print(df.head())
+print("\n数据列名：", df.columns.tolist())
 
-# 添加图标题和轴标签
-plt.title('T/℃ 与 Vf/μA 的关系')
-plt.xlabel('T/℃')
-plt.xticks(rotation=45)
-plt.ylabel('Vf/μA')
+# 2. 数据预处理（定义自变量X和因变量y）
+X = df['时间(秒)'].values.reshape(-1, 1)  # 时间转为二维数组（模型要求）
+y = df['V2(mV)'].values                  # V2电压值
 
-# 显示图表
-plt.show()
+# 3. 构建线性回归模型
+model = LinearRegression()
+model.fit(X, y)
+# 计算回归参数
+slope = model.coef_[0]          # 斜率（每秒电压变化量）
+intercept = model.intercept_    # 截距（初始电压预测值）
+r_squared = model.score(X, y)   # 决定系数R²（拟合优度）
+# 生成回归预测值
+y_pred = model.predict(X)
+
+# 4. 绘制图表
+fig, ax = plt.subplots(figsize=(12, 8))
+
+# 绘制原始数据折线
+ax.plot(df['时间(秒)'], y, color='#1f77b4', linewidth=2.5, 
+        marker='o', markersize=8, label='V2原始电压')
+# 绘制线性回归趋势线
+ax.plot(df['时间(秒)'], y_pred, color='#d62728', linewidth=2, 
+        linestyle='--', label=f'线性回归趋势 (R²={r_squared:.4f})')
+
+# 添加数据点数值标签
+for i, (x, y_val) in enumerate(zip(df['时间(秒)'], y)):
+    ax.annotate(f'{y_val:.2f}', (x, y_val), 
+                textcoords="offset points", xytext=(0,10), 
+                ha='center', fontsize=9, color='#1f77b4')
+
+# 设置图表样式
+ax.set_title('V2电压随时间变化曲线（含线性回归）', fontsize=16, fontweight='bold', pad=20)
+ax.set_xlabel('时间（秒）', fontsize=12, fontweight='bold')
+ax.set_ylabel('V2电压（mV）', fontsize=12, fontweight='bold')
+ax.set_xlim(-10, 280)  # 横轴范围微调，避免数据贴边
+ax.set_ylim(1.8, 2.4)  # 纵轴范围微调，突出变化趋势
+ax.grid(True, alpha=0.3, linestyle='-', linewidth=0.5)  # 添加网格线
+ax.legend(fontsize=11, loc='upper right')  # 图例位置
+
+# 标注回归方程
+equation = f'y = {slope:.6f}x + {intercept:.4f}'
+ax.text(0.02, 0.02, equation, transform=ax.transAxes, 
+        fontsize=11, bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.8),
+        verticalalignment='bottom')
+
+# 保存图表
+plt.tight_layout()
+plt.savefig('/mnt/v2_time_regression_redo.png', dpi=300, bbox_inches='tight')
+plt.close()
+
+# 输出回归模型关键参数
+print(f"\n线性回归模型参数：")
+print(f"回归方程：V2电压 = {slope:.6f} × 时间(秒) + {intercept:.4f}")
+print(f"每秒电压变化量（斜率）：{slope:.6f} mV/秒")
+print(f"初始电压预测值（截距）：{intercept:.4f} mV")
+print(f"拟合优度（R²）：{r_squared:.4f}")

python代码/new_nums.py

@@ -1 +0,0 @@
-#new_nums

python代码/new_nums.txt

@@ -1,4 +0,0 @@
-平均值:53
-标准差:511
-中位数:46
-排序后:13.0 35.0 35.0 45.0 46.0 65.0 68.0 77.0 89.0

python代码/nums.txt

@@ -1,9 +0,0 @@
-13
-45
-35
-89
-46
-68
-35
-77
-65