以下是使用 Python 读取 ASC 文件数据并根据时间绘制曲线图的解决方案，主要依赖于 `pandas` 和 `matplotlib` 库。 ### 使用 Pandas 解析 ASC 文件并绘制曲线图 ```python import pandas as pd import matplotlib.pyplot as plt # 定义函数批量读取ASC文件 def read_asc_files(file_list): """ 批量读取ASC文件列表，并返回合并后的DataFrame。 参数： file_list (list): 包含ASC文件路径的列表 返回值： DataFrame: 合并后的数据框 """ combined_df = pd.DataFrame() for file_path in file_list: try: # 自动推断分隔符并跳过无用行 temp_df = pd.read_csv(file_path, delimiter='\s+', skiprows=range(1, 10), header=None, names=["Timestamp", "ID", "DLC", "Data"], usecols=[0, 1, 2, 3]) # 将当前文件的数据追加到整体数据集中 combined_df = pd.concat([combined_df, temp_df], ignore_index=True) except Exception as e: print(f"Error reading {file_path}: {e}") return combined_df # 假设我们有一系列ASC文件 asc_file_paths = ["data1.asc", "data2.asc", "data3.asc"] # 调用函数读取所有ASC文件 all_data = read_asc_files(asc_file_paths) # 数据清洗：转换时间为datetime格式 all_data["Timestamp"] = pd.to_datetime(all_data["Timestamp"], unit='s') # 进一步筛选特定条件下的数据（例如只保留某个ID） filtered_data = all_data[all_data["ID"] == '123'] # 提取时间和数据字段用于绘图 time_series = filtered_data["Timestamp"] data_series = filtered_data["Data"].str.extract(r'(\d+)').astype(float)[0] # 创建图表 plt.figure(figsize=(10, 6)) plt.plot(time_series, data_series, label="Signal Value", color="green") # 设置图表属性 plt.title("Signal Value Over Time from ASC Files") plt.xlabel("Time") plt.ylabel("Signal Value") plt.legend() plt.grid(True) # 展示图表 plt.show() ``` #### 关键点说明 - **Pandas 的强大功能**：通过 `read_csv()` 函数加载 ASC 文件的内容[^1]。由于 ASC 文件通常是以固定宽度或空格分割的形式存储，因此可以灵活设置参数来适配不同格式。 - **时间序列处理**：将 Timestamp 字段转换为标准的时间戳格式以便后续绘图操作更加便捷[^3]。 - **Matplotlib 可视化**：借助 Matplotlib 实现高质量的折线图展示，便于观察信号随时间变化的趋势。 ---