Allen 专栏-移动互联网

python 1 标签

Jupyter Notebook 分析运动模型

import os as os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 数据格式
orientationX,orientationY,orientationZ,world_accelerometerX,world_accelerometerY,world_accelerometerZ
1.202669,-0.351937,0.035280,0.152070,0.369052,9.003349
0 1.200916,-0.352036,0.036314,0.029368,0.487795,...
1 1.191972,-0.351980,0.037856,-0.098848,0.156166...
2 1.186100,-0.348452,0.036277,0.066162,-0.294649...
3 1.181217,-0.347043,0.034305,0.053812,-0.307321...
4 1.191511,-0.345502,0.031640,-0.080843,0.073440...
5 1.197771,-0.344494,0.030718,-0.268438,0.376443...
6 1.205506,-0.342699,0.031295,-0.342979,0.038622...
7 1.201536,-0.341691,0.029713,-0.308891,-0.40908...
8 1.206752,-0.338629,0.027096,-0.180185,-0.78439...
9 1.189720,-0.337710,0.025001,-0.016011,-0.90016...
10 1.188346,-0.335357,0.020660,-0.010016,-0.66437...
11 1.182130,-0.335195,0.020691,-0.168150,-0.08738...
12 1.191688,-0.334611,0.020730,-0.318920,0.537937...
13 1.189974,-0.335423,0.022399,-0.329259,0.755035...
14 1.203741,-0.335940,0.026293,-0.070470,0.440032...
15 1.204384,-0.337948,0.026441,0.174845,-0.220265...
16 1.202886,-0.342656,0.026160,0.182681,-0.621191...
17 1.189893,-0.344865,0.023103,0.150804,-0.733242...
18 1.186932,-0.346718,0.023389,-0.082537,-0.36582...
19 1.184310,-0.347660,0.022779,-0.180841,0.055544...
20 1.179736,-0.348779,0.023385,-0.218992,0.540119...
21 1.178087,-0.349583,0.025911,-0.006427,0.492867...
22 1.178802,-0.350321,0.025646,0.133606,0.202018,...
23 1.164416,-0.351872,0.025682,0.198423,-0.351209...
24 1.168749,-0.352112,0.025120,0.063690,-0.899801...
25 1.167735,-0.351873,0.021966,-0.135112,-1.00265...
26 1.170264,-0.350667,0.021338,-0.322740,-0.73996...
27 1.174926,-0.347044,0.018143,-0.351066,-0.29029...
28 1.190670,-0.345708,0.017527,-0.313132,-0.09275...
29 1.188927,-0.344971,0.017858,-0.141977,0.155593...
... ...
121646 1.203871,0.340158,-0.905497,-0.995467,-0.29141...
121647 1.138590,0.343419,-0.908940,-1.009314,-0.34160...
121648 1.138590,0.343419,-0.908940,-0.980498,-0.25634...
121649 1.119260,0.344839,-0.910607,-0.886564,-0.23111...
121650 1.119260,0.344839,-0.910607,-0.854298,-0.14274...
121651 1.213301,0.346194,-0.911407,-0.920431,-0.04586...
121652 1.213419,0.347656,-0.912726,-0.827374,-0.06716...
121653 1.213419,0.347656,-0.912726,-1.043766,-0.11626...
121654 1.177102,0.348217,-0.913946,-1.011394,-0.18760...
121655 1.177102,0.348217,-0.913946,-1.048592,-0.16886...
121656 1.142298,0.348099,-0.914461,-1.149854,-0.22330...
121657 1.142298,0.348099,-0.914461,-1.179157,-0.19167...
121658 1.173866,0.348120,-0.913902,-1.140562,-0.13793...
121659 1.173866,0.348120,-0.913902,-1.148874,0.106232...
121660 1.103764,0.348767,-0.912465,-1.265401,0.025554...
121661 1.103764,0.348767,-0.912465,-1.275287,-0.02291...
121662 1.091189,0.349590,-0.910857,-1.171825,0.008048...
121663 1.091189,0.349590,-0.910857,-1.163578,-0.11556...
121664 1.113554,0.350159,-0.909639,-1.077687,-0.15680...
121665 1.147780,0.350319,-0.909358,-1.094061,-0.14901...
121666 1.147780,0.350319,-0.909358,-1.190770,-0.14847...
121667 1.150275,0.351600,-0.908222,-1.042431,-0.26741...
121668 1.150275,0.351600,-0.908222,-1.025228,-0.28615...
121669 1.140762,0.352663,-0.907117,-0.936975,-0.20711...
121670 1.191499,0.353653,-0.905951,-0.961837,-0.22595...
121671 1.191499,0.353653,-0.905951,-0.915990,0.072008...
121672 1.216137,0.354658,-0.904944,-0.926901,0.087669...
121673 1.216137,0.354658,-0.904944,-1.070568,-0.07154...
121674 1.281445,0.355040,-0.904827,-1.056531,-0.02863...
121675 1.281445,0.355040,-0.904827,-1.129279,-0.10096...

121676 rows × 1 columns

data =pd.read_table('SensorData/bus_data_set_101')
data = pd.DataFrame(data)
data
orientationX orientationY orientationZ world_accelerometerX world_accelerometerY world_accelerometerZ
0 NaN NaN NaN NaN NaN NaN
1 NaN NaN NaN NaN NaN NaN
2 NaN NaN NaN NaN NaN NaN
3 NaN NaN NaN NaN NaN NaN
4 NaN NaN NaN NaN NaN NaN
5 NaN NaN NaN NaN NaN NaN
6 NaN NaN NaN NaN NaN NaN
7 NaN NaN NaN NaN NaN NaN
8 NaN NaN NaN NaN NaN NaN
9 NaN NaN NaN NaN NaN NaN
10 NaN NaN NaN NaN NaN NaN
11 NaN NaN NaN NaN NaN NaN
12 NaN NaN NaN NaN NaN NaN
13 NaN NaN NaN NaN NaN NaN
14 NaN NaN NaN NaN NaN NaN
15 NaN NaN NaN NaN NaN NaN
16 NaN NaN NaN NaN NaN NaN
17 NaN NaN NaN NaN NaN NaN
18 NaN NaN NaN NaN NaN NaN
19 NaN NaN NaN NaN NaN NaN
20 NaN NaN NaN NaN NaN NaN
21 NaN NaN NaN NaN NaN NaN
22 NaN NaN NaN NaN NaN NaN
23 NaN NaN NaN NaN NaN NaN
24 NaN NaN NaN NaN NaN NaN
25 NaN NaN NaN NaN NaN NaN
26 NaN NaN NaN NaN NaN NaN
27 NaN NaN NaN NaN NaN NaN
28 NaN NaN NaN NaN NaN NaN
29 NaN NaN NaN NaN NaN NaN
... ... ... ... ... ... ...
121646 NaN NaN NaN NaN NaN NaN
121647 NaN NaN NaN NaN NaN NaN
121648 NaN NaN NaN NaN NaN NaN
121649 NaN NaN NaN NaN NaN NaN
121650 NaN NaN NaN NaN NaN NaN
121651 NaN NaN NaN NaN NaN NaN
121652 NaN NaN NaN NaN NaN NaN
121653 NaN NaN NaN NaN NaN NaN
121654 NaN NaN NaN NaN NaN NaN
121655 NaN NaN NaN NaN NaN NaN
121656 NaN NaN NaN NaN NaN NaN
121657 NaN NaN NaN NaN NaN NaN
121658 NaN NaN NaN NaN NaN NaN
121659 NaN NaN NaN NaN NaN NaN
121660 NaN NaN NaN NaN NaN NaN
121661 NaN NaN NaN NaN NaN NaN
121662 NaN NaN NaN NaN NaN NaN
121663 NaN NaN NaN NaN NaN NaN
121664 NaN NaN NaN NaN NaN NaN
121665 NaN NaN NaN NaN NaN NaN
121666 NaN NaN NaN NaN NaN NaN
121667 NaN NaN NaN NaN NaN NaN
121668 NaN NaN NaN NaN NaN NaN
121669 NaN NaN NaN NaN NaN NaN
121670 NaN NaN NaN NaN NaN NaN
121671 NaN NaN NaN NaN NaN NaN
121672 NaN NaN NaN NaN NaN NaN
121673 NaN NaN NaN NaN NaN NaN
121674 NaN NaN NaN NaN NaN NaN
121675 NaN NaN NaN NaN NaN NaN

121676 rows × 6 columns