这是在处理实验物理实验室中获取的数据时使用 Python 完成一些常用任务的简短指南，包括数据导入/导出、绘制误差线、函数对数据的曲线拟合、测试这些拟合的优劣数据的函数（考虑到测量的不确定性），数据的插值、平滑和微分，计算量中“误差”的传播，以及数据的数值计算，包括单位和/或不确定性。还详细讨论了如何从 Numerical Python (numpy) 和 Scientific Python (SciPy) 库（Python 称之为“包”）导入所需的函数。此处提供的示例在很大程度上依赖于这些包中的函数，简化以下示例中的各种分析任务。
本指南的目标是让您使用自己的数据执行此处说明的每个分析步骤，并且最多只需进行一些小的更改（例如数据文件和列的名称） 数据）添加到每个示例中包含的模板。
开始
Python
Jupyter Notebook
网络服务器端
本地电脑端
导入和导出数据
csv 文件格式
从 csv 加载数据
导入命令
导入数据文件
保存数据到文件
其他文件处理方法
使用误差线绘制数据
曲线拟合
数学建模
将模型拟合到数据
计算最佳拟合值
绘制结果
评估拟合优度
剩余
卡方检验
数据平滑和微分
Savitzky-Golay 滤波器
Scipy.Signal.Savgol_filter
示例 Python 代码
巴特沃斯滤波器
微分
插值和峰值查找
interp1d
插值单变量样条
峰值发现
使用单位和不确定性
计算单位
具有不确定性的计算