test.py

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 文件路径，替换为您的文件路径
file_path = './50mv-1231-1-10000th_C01.csv'  ## 需要进行计算分析的CSV文件
output_file = './cycle_C_integral_output.csv' ## 保存计算结果为新文件(名称可自定义)

# 读取CSV文件
df = pd.read_csv(file_path)

# 常数设置(咪需要你对应自己实际的实验情况)
A = 0.01  # 面积
v = 0.05  # 扫速
delta_V = 1.0  # 电压窗口

# 计算每个循环次数下的C值
cycle_numbers = df['cycle number'].unique()
C_values = []
integrals = []
cycle_data_list = []

# 设置更高精度的浮点数
np.set_printoptions(precision=10)

for cycle in cycle_numbers:
    # 获取当前循环次数下的Ewe/V和<I>/mA数据
    cycle_data = df[df['cycle number'] == cycle]
    
    # 计算Ewe/V和<I>/mA的积分，使用辛普森法则（更高精度的数值积分方法）
    Ewe_V = cycle_data['Ewe/V'].values
    I_mA = cycle_data['<I>/mA'].values
    
    # 数值积分（梯形法则）
    area = np.trapz(I_mA, Ewe_V)  # 梯形法则
    # area = scipy.integrate.simps(I_mA, Ewe_V)  # 如果您安装了SciPy，可以使用更精确的辛普森法则
    
    # 计算C值
    C = area / (A * v * delta_V) / 2
    C_values.append(C)
    integrals.append(area)
    cycle_data_list.append([cycle, C, area])
    
    # 打印每轮的积分值和对应C值
    print(f"Cycle {cycle}: Integral area = {area:.10f}, C = {C:.10f}")

# 将结果保存为CSV文件
cycle_df = pd.DataFrame(cycle_data_list, columns=['Cycle', 'C', 'Integral'])
cycle_df.to_csv(output_file, index=False)

print(f"Results saved to {output_file}")

# 绘制循环次数与C的关系图
plt.figure(figsize=(8, 6))
plt.plot(cycle_numbers, C_values, marker='o', linestyle='-', color='b')
plt.title('Cycle Number vs C')
plt.xlabel('Cycle Number')
plt.ylabel('C')
plt.grid(True)
plt.show()