|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
|
|
|
"translation_date": "2025-08-24T22:03:06+00:00",
|
|
|
"source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
|
|
|
"language_code": "tw"
|
|
|
}
|
|
|
-->
|
|
|
# 使用 Jupyter Notebook 視覺化 GDD 數據
|
|
|
|
|
|
## 說明
|
|
|
|
|
|
在本課程中，您使用 IoT 感測器收集了 GDD 數據。為了獲取良好的 GDD 數據，您需要收集多天的數據。為了幫助視覺化溫度數據並計算 GDD，您可以使用像 [Jupyter Notebooks](https://jupyter.org) 這樣的工具來分析數據。
|
|
|
|
|
|
首先，收集幾天的數據。您需要確保您的伺服器程式在 IoT 設備運行時始終保持運行，可以通過調整電源管理設置或運行類似於 [這個保持系統活躍的 Python 腳本](https://github.com/jaqsparow/keep-system-active) 來實現。
|
|
|
|
|
|
一旦您有了溫度數據，您可以使用此倉庫中的 Jupyter Notebook 來視覺化數據並計算 GDD。Jupyter Notebook 將程式碼和說明混合在稱為 *單元格* 的區塊中，通常是 Python 程式碼。您可以閱讀說明，然後逐塊運行每個程式碼區塊。您也可以編輯程式碼。例如，在此 Notebook 中，您可以編輯用於計算植物 GDD 的基準溫度。
|
|
|
|
|
|
1. 建立一個名為 `gdd-calculation` 的資料夾
|
|
|
|
|
|
1. 下載 [gdd.ipynb](../../../../../2-farm/lessons/1-predict-plant-growth/code-notebook/gdd.ipynb) 檔案並將其複製到 `gdd-calculation` 資料夾中。
|
|
|
|
|
|
1. 複製由 MQTT 伺服器創建的 `temperature.csv` 檔案
|
|
|
|
|
|
1. 在 `gdd-calculation` 資料夾中建立一個新的 Python 虛擬環境。
|
|
|
|
|
|
1. 安裝一些 Jupyter Notebook 所需的 pip 套件，以及用於管理和繪製數據的庫：
|
|
|
|
|
|
```sh
|
|
|
pip install --upgrade pip
|
|
|
pip install pandas
|
|
|
pip install matplotlib
|
|
|
pip install jupyter
|
|
|
```
|
|
|
|
|
|
1. 在 Jupyter 中運行 Notebook：
|
|
|
|
|
|
```sh
|
|
|
jupyter notebook gdd.ipynb
|
|
|
```
|
|
|
|
|
|
Jupyter 將啟動並在您的瀏覽器中打開 Notebook。按照 Notebook 中的說明操作，視覺化測量的溫度並計算生長度日。
|
|
|
|
|
|
|
|
|
|
|
|
## 評分標準
|
|
|
|
|
|
| 評分標準 | 優秀 | 合格 | 需要改進 |
|
|
|
| -------- | ---- | ---- | -------- |
|
|
|
| 數據收集 | 收集至少 2 天完整數據 | 收集至少 1 天完整數據 | 收集了一些數據 |
|
|
|
| 計算 GDD | 成功運行 Notebook 並計算 GDD | 成功運行 Notebook | 無法運行 Notebook |
|
|
|
|
|
|
**免責聲明**：
|
|
|
本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原文文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。 |
