|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "1e21b012c6685f8bf73e0e76cdca3347",
|
|
|
"translation_date": "2025-08-24T22:02:56+00:00",
|
|
|
"source_file": "2-farm/lessons/1-predict-plant-growth/assignment.md",
|
|
|
"language_code": "zh"
|
|
|
}
|
|
|
-->
|
|
|
# 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。 |
