如何合并光敏传感器数据至DataFrame以实现Plotly绘图？

步骤1：加载并合并CSV数据 #

假设你的每个CSV文件都包含PWM列和对应的传感器读数列（比如默认列名为Value），我们可以通过按PWM列匹配的方式，将所有数据整合到同一个DataFrame中，替代手动创建空列的低效方式。

修改后的完整代码如下：

import pandas as pd
import plotly.express as px

def main_code():
    # 定义要加载的文件与对应列名映射
    sensor_config = {
        'sens_00': 'sens_00.csv',
        'sens_06': 'sens_06.csv',
        'sens_12': 'sens_12.csv',
        'sens_18': 'sens_18.csv',
        'sens_23': 'sens_23.csv'
    }
    
    # 初始化合并DataFrame：先加载第一个文件并重命名读数列
    merged_df = pd.read_csv(sensor_config['sens_00'], sep=';')
    merged_df.rename(columns={'Value': 'sens_00'}, inplace=True)
    
    # 遍历剩余文件，按PWM列合并
    for col_name, file_path in list(sensor_config.items())[1:]:
        temp_df = pd.read_csv(file_path, sep=';')
        temp_df.rename(columns={'Value': col_name}, inplace=True)
        # 内连接确保仅保留所有文件都存在的PWM值，若需保留全部PWM可改用how='outer'
        merged_df = pd.merge(merged_df, temp_df, on='PWM', how='inner')
    
    print("合并后的数据预览：")
    print(merged_df.head())
    
    # 步骤2：用Plotly绘制多曲线对比图
    # 将宽格式数据转为长格式，适配Plotly批量绘图逻辑
    long_format_df = merged_df.melt(
        id_vars='PWM',
        var_name='灵敏度等级',
        value_name='传感器读数'
    )
    
    fig = px.line(
        long_format_df,
        x='PWM',
        y='传感器读数',
        color='灵敏度等级',
        title='光敏传感器不同灵敏度等级的PWM响应曲线',
        labels={'PWM': 'PWM值（0-65000）'},
        range_x=[0, 65000]
    )
    
    fig.show()

if __name__ == '__main__':
    main_code()

关键细节说明 #

• 合并逻辑：通过pd.merge按PWM列对齐数据，避免手动填充空列的错误。如果你的CSV读数列不是Value，请替换为实际列名。
• 长格式转换：melt函数将宽格式数据转为长格式，让Plotly自动按灵敏度等级区分曲线颜色，无需手动添加单条轨迹。
• 绘图配置：通过range_x强制X轴范围为0-65000，同时添加中文标签提升可读性。

可选调整项 #

• 若部分CSV文件的PWM值不全，可将pd.merge的how参数改为outer，保留所有PWM值，缺失数据会自动填充为NaN。
• 若CSV文件分隔符不是;，需在pd.read_csv中单独指定sep参数。

内容的提问来源于stack exchange，提问作者MrExplore