第35卷第6期大学物理实验Vol．35No．62022年12月PHYSICALEXPEＲIMENTOFCOLLEGEDec．2022收稿日期:2022-07-21基金项目:“双万计划”国家一流专业(11120032341902)文章编号:1007-2934(2022)06-0085-06Python在ＲLC串联谐振实验数据处理中的应用赵文来，杨俊秀，陈秋妹(浙江理工大学信息学院，浙江杭州310018)摘要:ＲLC串联谐振实验是电学的实验之一，以加强对串联谐振电路谐振特性的理解。Python语言在数据分析与处理等方面有很好的应用。首先利用Python的第三方库numpy对数据进行预处理;其次基于scikit-learn建立线性回归模型，通过数据训练、机器学习拟合数据并求解;为判定测试数据的质量，通过sklearn对拟合曲线进行均方误差回归损失分析，最后采用matplotlib绘制图形，实现数据的可视化。引入Python进行数据处理，能快速处理实验数据，绘制拟合曲线并分析测试数据的优劣，形象且直观，对教师评判实验报告的测试数据质量也具有一定的辅助作用。关键词:ＲLC串联谐振;归一化;幅频特性;拟合;Python;numpy;sklearn中图分类号:TN30文献标志码:ADOI:10．14139/j．cnki．cn22-1228．2022．06．018ＲLC串联谐振电路是电学实验内容之一，旨在加强对串联谐振电路的谐振条件，及阻抗、电流、电压特点的理解［1］。对谐振现象的研究具有一定的实际意义，一方面谐振现象广泛应用于电子技术中实现选频及滤波，另一方面在电力系统中发生谐振却需要避免或抑制［2］。利用Python的第三方机器学习库Scikit-learn来处理ＲLC串联谐振实验数据，并通过matplotlib库实现数据及其分析结果的可视化［3］。1Python工具Python是面向对象的高级程序语言，其风格简洁，库类多样，且采用开源，具有丰富三方库和开源软件包接口，成为应用于科学计算、数据库、网络工程、GUI设计等众多领域的高级语言。实验数据处理采用了Python的numpy，Scikit-learn和Matplotlib等库。Numpy是数值计算库，提供快速的数组矩阵运算，将ＲLC串联谐振实验测试数据通过相应函数转化为数组;Scikit-learn是Python的机器学习库，是用于数据挖掘、数据分析的工具，通过数据训练，实现数据的拟合回归预测、聚类、模型选取等复杂算法，采用其中的一元线性回归模型来完成实验数据的拟合;Matplotlib是Python二维画图库，可以简洁地画出折线，柱状，散点等二维图像，实现实验数据的可视化［4］。2原理及均方误差回归损失2．1实验原理交流电路的频率特性实验是电路实验的一个基本内容，ＲLC串联谐振电路实验原理...
