上传文件至 /

data_spectral.py

@@ -0,0 +1,66 @@
+import pandas as pd
+import matplotlib.pyplot as plt
+import numpy as np
+from datetime import datetime
+
+# 读取CSV文件
+file_path = r"D:\WQ\zhanghuilai\hyperspectral-inversion\data\input\一代高光谱\2025-07-11_2025-07-21\筛选.csv" # 替换为你的文件路径
+df = pd.read_csv(file_path)
+
+# 获取第一列名（时间戳列）
+timestamp_col = df.columns[0]
+
+# 解析时间戳列（注意格式：2025/7/7 15:03）
+df[timestamp_col] = pd.to_datetime(df[timestamp_col], format='%Y-%m-%d %H:%M:%S')
+
+# 提取日期列（用于分组）
+df['Date'] = df[timestamp_col].dt.date
+
+# 获取波长数据（第一行，跳过时间戳列）
+# 尝试将列名转换为浮点数，如果失败则保持原样
+wavelengths = []
+for col in df.columns[1:-1]:
+    try:
+        wavelengths.append(float(col))
+    except ValueError:
+        wavelengths.append(col)
+
+# 按日期分组计算平均光谱
+daily_avg = df.groupby('Date')[df.columns[1:-1]].mean()
+
+# 设置绘图参数
+plt.figure(figsize=(12, 8))
+plt.title('Daily Average Spectral Reflectance', fontsize=16)
+plt.xlabel('Wavelength (nm)', fontsize=14)
+plt.ylabel('Reflectance', fontsize=14)
+plt.grid(True, alpha=0.3)
+
+# 为每条曲线生成不同的颜色
+colors = plt.cm.viridis(np.linspace(0, 1, len(daily_avg)))
+
+# 绘制每条平均光谱曲线
+for i, (date, row) in enumerate(daily_avg.iterrows()):
+    # 将日期格式化为更易读的形式
+    formatted_date = date.strftime('%Y-%m-%d')
+
+    # 绘制光谱曲线
+    plt.plot(wavelengths, row.values,
+             label=formatted_date,
+             color=colors[i],
+             linewidth=2)
+
+# 添加图例
+plt.legend(title='Date', bbox_to_anchor=(1.05, 1), loc='upper left')
+
+# 优化布局
+plt.tight_layout()
+
+# 保存图像
+plt.savefig(r'D:\WQ\zhanghuilai\hyperspectral-inversion\data\input\一代高光谱\2025-07-11_2025-07-21\plot\daily_average_spectra.png', dpi=300, bbox_inches='tight')
+
+
+
+# 输出每日平均光谱数据到CSV
+# daily_avg.to_csv('D:\WQ\zhanghuilai\hyperspectral-inversion\data\input\一代高光谱\daily_average_spectra.csv')
+print("每日平均光谱数据已保存到 daily_average_spectra.csv")
+print("光谱图已保存到 daily_average_spectra.png")