好的，没问题！我这就为你生成一个完整的Python脚本，用于**批量计算车辆碳排放（方法二：带加速度修正的精确方法）**。 这个脚本会： 1. 读取你的数据（假设是CSV或Excel格式）。 2. 自动计算每一辆车的碳排放。 3. 将结果保存到新文件，并生成一个简单的汇总报告。 --- ### **Python 脚本代码** ```python import pandas as pd import numpy as np # ==================== 参数设置 (请根据你的实际情况调整) ==================== # 基础排放因子 (g/s), 示例值，请替换为你的数据 EF_idle = 0.5 # 怠速排放因子 EF_cruise = 1.2 # 匀速排放因子 EF_acc = 2.5 # 加速排放因子 (基础值) # 加速度修正系数 α (无量纲)，通常文献中在 1.1 到 1.3 之间 alpha = 1.2 # 车辆质量 M (kg), 示例值，请根据车型调整（如小轿车约1200-1500kg） M = 1400 # ==================== 函数定义：核心计算方法 ==================== def calculate_emission(row, ef_idle, ef_cruise, ef_acc, alpha, M): """ 根据单行数据计算碳排放。 假设你的数据列名包含： - 'speed_kmh': 瞬时速度 (km/h) - 'acceleration': 瞬时加速度 (m/s²) - 'time_interval': 时间间隔 (s)，通常是你的采样频率（如1秒） """ try: v = row['speed_kmh'] a = row['acceleration'] dt = row['time_interval'] # 1. 将速度从 km/h 转换为 m/s v_ms = v / 3.6 # 2. 判断车辆工况 if v < 1.0 and abs(a) < 0.1: # 近似怠速条件 EF = ef_idle elif abs(a) < 0.1: # 近似匀速条件 EF = ef_cruise else: # 加速或减速 # 应用加速度修正：EF = EF_acc * (1 + alpha * |a|) EF = ef_acc * (1 + alpha * abs(a)) # 3. 计算本时间间隔内的碳排放量 (g) emission = EF * dt # (可选) 如果需要，可以在这里加上基于动能变化的计算 # delta_ke = 0.5 * M * ((v_ms_end)**2 - (v_ms_start)**2) # 注意：这需要上一时刻的速度，计算会更复杂，本例仅使用修正因子法。 return emission except Exception as e: print(f"计算行 {row.name} 时出错: {e}") return np.nan # ==================== 主程序：读取、计算、保存 ==================== def main(input_file, output_file): """ 主函数：读取数据文件，计算碳排放，保存结果。 支持 .csv 或 .xlsx 文件（通过文件后缀自动判断）。 """ # 1. 读取数据 print(f"正在读取文件: {input_file}") if input_file.endswith('.csv'): df = pd.read_csv(input_file) elif input_file.endswith(('.xlsx', '.xls')): df = pd.read_excel(input_file) else: raise ValueError("仅支持 .csv, .xlsx 或 .xls 格式的文件。") print(f"数据读取成功！共 {len(df)} 行。") print("前几行数据预览：") print(df.head()) # 2. 检查必要的列是否存在 required_cols = ['speed_kmh', 'acceleration', 'time_interval'] missing_cols = [col for col in required_cols if col not in df.columns] if missing_cols: raise KeyError(f"数据中缺少必需的列: {missing_cols}。请确保你的数据包含这些列。") # 3. 计算每一行的碳排放 print("\n正在计算碳排放...") df['emission_g'] = df.apply(calculate_emission, axis=1, args=(EF_idle, EF_cruise, EF_acc, alpha, M)) # 4. 计算总排放和平均排放 total_emission = df['emission_g'].sum() avg_emission_per_interval = df['emission_g'].mean() print(f"\n计算完成！") print(f"总碳排放: {total_emission:.2f} g") print(f"平均每时间间隔排放: {avg_emission_per_interval:.2f} g") # 5. 保存结果到新文件 df.to_csv(output_file, index=False) print(f"结果已保存到: {output_file}") # 6. 生成一个简单的文本报告 report_file = output_file.replace('.csv', '_report.txt') with open(report_file, 'w', encoding='utf-8') as f: f.write("===== 车辆碳排放分析报告 =====\n") f.write(f"输入文件: {input_file}\n") f.write(f"数据总行数: {len(df)}\n") f.write(f"采用的计算方法: 带加速度修正的精确方法 (方法二)\n") f.write(f"参数设置:\n") f.write(f" - 怠速排放因子 (EF_idle): {EF_idle} g/s\n") f.write(f" - 匀速排放因子 (EF_cruise): {EF_cruise} g/s\n") f.write(f" - 加速排放因子 (EF_acc): {EF_acc} g/s\n") f.write(f" - 加速度修正系数 (alpha): {alpha}\n") f.write(f" - 参考车辆质量 (M): {M} kg\n") f.write(f"\n计算结果:\n") f.write(f" - 总碳排放: {total_emission:.2f} g\n") f.write(f" - 平均每时间间隔排放: {avg_emission_per_interval:.2f} g\n") f.write(f"\n结果文件: {output_file}\n") print(f"分析报告已保存到: {report_file}") return df # ==================== 使用说明 ==================== if __name__ == "__main__": # ===== 第1步：修改这里的文件路径和参数 ===== # 你的原始数据文件路径 INPUT_FILE = "你的数据文件.csv" # 或 "你的数据文件.xlsx" # 你想保存的结果文件路径 OUTPUT_FILE = "计算结果.csv" # ===== 第2步：检查并修改上面的参数设置部分 ===== # 请确保 EF_idle, EF_cruise, EF_acc, alpha, M 的值符合你的研究场景 # ===== 第3步：运行程序 ===== try: result_df = main(INPUT_FILE, OUTPUT_FILE) print("\n程序执行成功！") # 可选：快速查看结果的前几行 print("\n结果数据前5行：") print(result_df[['speed_kmh', 'acceleration', 'time_interval', 'emission_g']].head()) except FileNotFoundError: print(f"错误：找不到文件 '{INPUT_FILE}'，请检查路径。") except Exception as e: print(f"程序运行出错: {e}") ``` --- ### **如何使用这个脚本** 1. **准备工作**： * 安装必要的Python库：如果你没有安装 `pandas` 和 `openpyxl`（用于处理Excel），请在命令行运行： ```bash pip install pandas openpyxl ``` * 准备你的数据文件（CSV或Excel格式），并确保它至少包含以下三列（**列名必须完全一致**）： * `speed_kmh`：车辆瞬时速度，单位 **km/h**。 * `acceleration`：车辆瞬时加速度，单位 **m/s²**。 * `time_interval`：数据采集的时间间隔，单位 **秒**（例如，每秒一条数据，这里就是1）。 2. **修改脚本**： * 用文本编辑器（如VSCode、记事本等）打开脚本。 * 找到 `# ==================== 参数设置 ====================` 部分，根据你的研究或数据来源，修改 `EF_idle`, `EF_cruise`, `EF_acc`, `alpha`, `M` 这些参数的值。 * 找到 `if __name__ == "__main__":` 部分，修改 `INPUT_FILE` 和 `OUTPUT_FILE` 的路径为你电脑上的实际路径。 3. **运行脚本**： * 将脚本保存为 `.py` 文件，例如 `calculate_emission.py`。 * 在命令行中，导航到脚本所在目录，运行： ```bash python calculate_emission.py ``` 4. **查看结果**： * 程序会生成两个文件： * `计算结果.csv`：包含原始数据和新增的 `emission_g` 列（每行的碳排放克数）。 * `计算结果_report.txt`：一个简单的文本报告，总结计算参数和总排放量。 ### **如果需要调整或扩展** * **数据列名不同**：如果你的数据列名不是 `speed_kmh`、`acceleration`、`time_interval`，请在脚本中找到 `required_cols` 列表和 `calculate_emission` 函数内部，将它们替换成你实际的列名。 * **添加分组汇总**：如果你想按“车道”、“转向”等列进行分组汇总，可以在计算完成后，使用 `pandas` 的 `groupby` 功能。例如： ```python # 假设你的数据中有一列叫 'lane_direction' if 'lane_direction' in result_df.columns: summary = result_df.groupby('lane_direction')['emission_g'].sum().reset_index() print("\n按车道/转向分组排放总和：") print(summary) ``` * **绘制图表**：可以安装 `matplotlib` 库，在脚本末尾添加代码绘制排放趋势图或分组柱状图。 如果你在运行中遇到任何问题，或者需要根据你的具体数据格式进行调整，随时告诉我，我可以帮你修改脚本！