Exploitation d'un fichier de valeurs .txt

Bonjour,
je voudrais exploiter un fichier .txt fourni par Arduino qui nous donne des valeurs de débit sanguin ( différence de tension recueuillie avec une photo-diode ), or je n'arrive pas à créer une liste de temps et une liste des valeurs de mon fichier pour afficher une courbe en fonction du temps ( électrocardiogramme).

Merci d'avance :boulet:

Bisous

Bonjour

Il est toujours plus facile d'apporter son aide en ayant un bout de code et une explication du/des points de blocage.

Sans ça, à part vous dire d'utiliser la méthode append; je ne vois pas comment vous aider.

Fournit un exemple de fichier aussi !

Voici le code :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

import numpy as np import matplotlib.pyplot as plt       t1 =[] t1=np.linspace(0,15,750)   def lecture(fichier): f = open(fichier) # Ouverture du descripteur de fichier a = [] # Initialisation des listes de données for line in f: # On itère sur chaque ligne du fichier a_ = line.split('{1}\n') # On sépare (par défaut suivant les espaces) a.append(float(a_)) f.close() # Ne pas oublier de fermer le fichier. return a     a = lecture('tipe1.txt')   plt.plot (t1,a) plt.show()

---

Le fichier est une acquisition d'arduino, le voici en pièce jointe

merci de votre aide
:mouarf:

Salut,

Pour l'instant, vu ce que vous avez écrit ligne 13 et 14:

Code:

---

1 2	a_ = line.split('{1}\n') # On sépare (par défaut suivant les espaces) a.append(float(a_))

---

Python doit vous envoyer bouler.

Est ce que line.split('{1}\n') découpe effectivement une ligne suivant les espaces?
Pour y répondre c'est pas si compliqué de lancer la console Python et regarder:

Code:

---

1 2 3 4

>>> ligne = 'a b c' >>> ligne.split('{1}\n') ['a b c'] >>>

---

Vous voyez çà ne fait pas ce que çà dit.

Une autre question est de savoir si le .split est utile: votre fichier étant composé d'une seule colonne de nombres flottants... Là encore, la console Python peut répondre:

Code:

---

1 2 3

>>> ligne = '123\n' >>> float(ligne) 123.0

---

Pour avoir ces réflexes de base, il faut passer un peu de temps à essayer de lire un tuto. et faire les exercices (c'est la pratique qui va vous forcer à jouer avec la console, essayer de comprendre pourquoi Python ne fait pas ce que vous voulez qu'il fasse,...) et si vous n'avez pas encore ces bases là, difficile de vous aider sauf à écrire du code à votre place (ce que je ne ferais pas).

- W

Code:

---

1 2 3

import numpy as np   data = np.loadtxt("tipe1.txt")

---

Et l'avantage d'utilisé numpy, c'est qu'en plus ca passe direct pour tracer des courbes derrières avec matplotlib

Bonsoir,


Tout d'abord, merci beaucoup pour vos réponses qui nous ont permis de bien avancer :D

Voici où nous en sommes sur notre programme :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

import numpy as np import matplotlib.pyplot as plt     i=[] #création d'une liste vide i=np.loadtxt("tipe3.txt") #On affecte les valeurs de notre fichier txt à notre liste N=len(i) #permet de connaître le nombre d'éléments dans i print(N)     t =[] #création d'une liste vide qui comportera la variable de temps t=np.linspace(0,0.02*N,N) #création de la variable temps, elle doit être de la même dimension que i # Sachant de le delay de notre acquisition Arduino est de 20 ms, on multiplie N par 0.02s       def lissage(data,largeur): # On prend la moyenne glissante avec un nombre "largeur" de points consécutifs" L = [] for i in range(len(data)-largeur): val = 0 for j in range(largeur): val += data[i+j] val /= largeur L.append(val) return L #     # Application de la procédure de lissage largeur = 15 donnees_lissees = lissage(i,largeur) temps_lisse = t[largeur//2:-largeur//2] # On réduit aussi la liste des temps plt.plot(temps_lisse,donnees_lissees) plt.title('Variation cardiaque en fonction du temps - moyenne glissante') plt.show()

---

Nous avons rajouté une fonction de lissage afin d'enlever les imperfections sur notre courbe.

Pièce jointe 332533

Nous cherchons maintenant à obtenir la fréquence liée à cette courbe, soit notre pulsation cardiaque.
Peut être serait-il possible de passer par un repérage des crêtes ?...

Nous avons aussi effectué une acquisition Arduino plus fiable que je vous mets en pièce jointe.

Merci beaucoup pour votre aide ;)

D'abord quelques remarques sur le code :

1) numpy créé des arrays. Les arrays peuvent souvent être vu comme des listes, mais ils n'en sont pas !
Du coup écrire i=[] ou t=[] ne sert absolument à rien, la fonction numpy que vous appelez derrière va vous retourner un array, qui viendra écraser (et non remplir) la liste vide que vous avez précédemment assignée.

2) i c'est un très mauvais nom pour une liste. Si jamais vous avez besoin de faire une boucle, vous écrirez qqch comme "for i in range(len(i))" et là vous avez perdu votre liste car vous avez appelez i deux choses différentes. Donner lui un nom plus explicite. releves_cardio par exemple si ca correspond bien. Pas hésiter à mettre un mot, voire 2.

3) La puissance de numpy, c'est d'offrir des opérations mathématiques sur des arrays (des tableaux de valeurs).
Si A, et B sont des listes, alors A+B est une liste qui contient les éléments de A suivis de ceux de B.
Si A et B sont des arrays numpy, alors A+B n'est valide que si A et B ont la meme taille, et renvoie un tableau C également de meme taille dont chaque composante est la somme des valeurs des arrays A et B.
Et comme numpy a été construit pour faire des opérations mathématiques rapidement sur des tableaux de nombres, il vous offre bien sûr des fonctions min, max, moyenne, valeur absolue, et bien d'autres trucs encore.

Du coup la fonction lissage donnerait plutot qqch comme ça (qui vous donne une valeur de plus):

Code:

---

1 2 3 4 5 6

def lissage(data,largeur): L=[] for i in range(len(data)-largeur): val = np.mean(data[i:i+largeur]) L.append(val) return L

---

que l'on peut encore améliorer comme ça

Code:

---

1 2	def lissage(data,largeur): return np.convolve(data,np.ones((largeur,))/largeur, 'valid')

---

en utilisant des maths (une régularisation, c'est une convolution) et encore la puissance de numpy, mais je vais m'arrêter là. Faites un tuto sur numpy sa vous sera bénéfique, car là vous ne pouvez pas vous en passer.


Ensuite concernant votre deuxième point pour identifier les extrema, numpy à lui seul peut également faire l'affaire. Son complément scipy fournit également des outils utiles. Regardez ici, il semblerait que des personnes aient déjà eu le même problème :
https://stackoverflow.com/questions/...1d-numpy-array