# 使用 Jupyter Notebook 可视化 GDD 数据 ## 说明 在本课中，你使用 IoT 传感器收集了 GDD 数据。为了获得高质量的 GDD 数据，你需要收集多天的数据。为了帮助可视化温度数据并计算 GDD，你可以使用像 [Jupyter Notebooks](https://jupyter.org) 这样的工具来分析数据。 首先，收集几天的数据。你需要确保服务器代码在 IoT 设备运行时始终保持运行状态，可以通过调整电源管理设置或运行类似于 [这个保持系统活跃的 Python 脚本](https://github.com/jaqsparow/keep-system-active) 来实现。 一旦你有了温度数据，就可以使用此仓库中的 Jupyter Notebook 来可视化数据并计算 GDD。Jupyter Notebook 将代码和说明混合在称为 *单元格* 的块中，通常是 Python 代码。你可以阅读说明，然后逐块运行代码块。你还可以编辑代码。例如，在这个 Notebook 中，你可以编辑用于计算植物 GDD 的基准温度。 1. 创建一个名为 `gdd-calculation` 的文件夹 1. 下载 [gdd.ipynb](../../../../../2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb) 文件并将其复制到 `gdd-calculation` 文件夹中。 1. 复制由 MQTT 服务器创建的 `temperature.csv` 文件 1. 在 `gdd-calculation` 文件夹中创建一个新的 Python 虚拟环境。 1. 安装一些用于 Jupyter Notebook 的 pip 包，以及管理和绘制数据所需的库： ```sh pip install --upgrade pip pip install pandas pip install matplotlib pip install jupyter ``` 1. 在 Jupyter 中运行 Notebook： ```sh jupyter notebook gdd.ipynb ``` Jupyter 将启动并在浏览器中打开 Notebook。按照 Notebook 中的说明操作，可视化测量的温度并计算生长度日（GDD）。  ## 评分标准 | 标准 | 优秀 | 合格 | 需要改进 | | ---- | ---- | ---- | -------- | | 数据采集 | 至少采集 2 天完整数据 | 至少采集 1 天完整数据 | 采集了一些数据 | | GDD 计算 | 成功运行 Notebook 并计算 GDD | 成功运行 Notebook | 无法运行 Notebook | **免责声明**： 本文档使用AI翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原文档的原始语言版本为权威来源。对于关键信息，建议使用专业人工翻译。我们对因使用此翻译而引起的任何误解或误读不承担责任。