Python导入LTSpice采用PWL激励生成的.raw仿真文件数据异常求助

• 该问题本质是LTSpice二进制.raw文件在短时间仿真（尤其是PWL源单周期场景）下，自动生成的可变时间步长点分布过密且存在大量极小时间差的冗余断点，现有Python解析库对这种极端不均匀的时间序列排序、数值映射逻辑存在兼容bug。
• 内置正弦源仿真多周期时步长分布均匀，刚好避开了该解析bug，因此导入结果正常。

方案1：强制固定仿真步长（改动最小） #

在LTSpice网表中添加固定步长的瞬态仿真指令，避免生成解析库无法处理的不均匀步长数据：

.tran 0 {仿真总时长} 0 {总时长/1000}

例如仿真1个50Hz正弦波周期（总时长20ms）时，指令写为：

.tran 0 20m 0 20u

固定20us步长后，现有PyLTSpice、ltspice库均可正常读取二进制.raw文件，无需修改后续数据处理代码，完全兼容PWL源使用逻辑。

方案2：增加数据预处理逻辑（保留可变步长） #

如果必须保留LTSpice可变步长的仿真优势，只需在读取.raw文件后增加排序逻辑，即可修正映射错误：

import numpy as np
from PyLTSpice import RawRead

# 读取原始.raw文件
raw_data = RawRead("simulation_result.raw")
time_array = raw_data.get_trace('time').get_wave()
# 对时间序列做升序排序，获取对应索引
sorted_index = np.argsort(time_array)
# 按索引重新映射时间和信号数值
time_sorted = time_array[sorted_index]
i_r2_sorted = raw_data.get_trace('I(R2)').get_wave()[sorted_index]

可额外增加极小时间差过滤逻辑，过滤掉时间差小于1e-12的冗余采样点，进一步优化数据质量。

方案3：调用官方CLI直接导出指定信号数据 #

如果不需要完整.raw文件的所有信号，可直接调用LTSpice命令行工具在仿真完成后导出指定信号的二进制序列，完全规避.raw文件解析问题：

ltspice.exe -b -Run -Export "output.bin" "your_circuit.asc" I(R2) V(out)

导出的二进制文件为单精度浮点序列，直接用numpy.fromfile("output.bin", dtype=np.float32)即可读取。

内容的提问来源于stack exchange，提问作者user16760785