riorganizza struttura: sposta script in start/, aggiorna README, rimuove fit dalla root

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
This commit is contained in:
davideandClaude Sonnet 4.6 committed 2026-05-14 09:46:13 +02:00
1 parent 191c37a38c
commit 73f37598bb
18 files changed
+38 -794

No files matched your search

+48
View File
@@ -0,0 +1,48 @@
import pandas as pd
import numpy as np
from pathlib import Path
ROOT = Path(__file__).parent.parent
df = pd.read_csv(ROOT / "data.csv")
df["time_s"] = df["time since start [ms]"] / 1000.0
t = df["time_s"].values
T = df["temp_amb IR [C]"].values
# Media ponderata sul tempo con regola dei trapezi
# T_avg = integral(T dt) / (t_fine - t_inizio)
integral = np.trapezoid(T, t)
durata = t[-1] - t[0]
t_media = integral / durata
t_min = T.min()
t_max = T.max()
t_inizio = t[0]
t_fine = t[-1]
n_campioni = len(df)
print(f"Finestra di osservazione: {t_inizio:.1f} s -> {t_fine:.1f} s ({durata:.1f} s)")
print(f"Campioni: {n_campioni}")
print(f"T ambiente min: {t_min:.2f} °C")
print(f"T ambiente max: {t_max:.2f} °C")
print(f"T ambiente media ponderata: {t_media:.2f} °C")
with open(Path(__file__).parent / "report.md", "w", encoding="utf-8") as f:
f.write("# Report: Temperatura Ambiente Media\n\n")
f.write("## Metodologia\n\n")
f.write("La media è calcolata come **media ponderata sul tempo** (regola dei trapezi):\n\n")
f.write("$$T_{avg} = \\frac{\\int T(t)\\, dt}{t_{fine} - t_{inizio}}$$\n\n")
f.write("Questo approccio tiene conto del campionamento non uniforme: ")
f.write("ogni campione pesa proporzionalmente all'intervallo di tempo che copre.\n\n")
f.write("## Risultati\n\n")
f.write(f"| Parametro | Valore |\n")
f.write(f"|---|---|\n")
f.write(f"| Inizio osservazione | {t_inizio:.1f} s |\n")
f.write(f"| Fine osservazione | {t_fine:.1f} s |\n")
f.write(f"| Durata totale | {durata:.1f} s |\n")
f.write(f"| Numero campioni | {n_campioni} |\n")
f.write(f"| T ambiente minima | {t_min:.2f} °C |\n")
f.write(f"| T ambiente massima | {t_max:.2f} °C |\n")
f.write(f"| **T ambiente media ponderata** | **{t_media:.2f} °C** |\n")
print("\nreport.md generato.")
Binary file not shown.

After

Width:  |  Height:  |  Size: 60 KiB

+26
View File
@@ -0,0 +1,26 @@
import pandas as pd
import matplotlib.pyplot as plt
from pathlib import Path
ROOT = Path(__file__).parent.parent
df = pd.read_csv(ROOT / "data.csv")
df["time_s"] = df["time since start [ms]"] / 1000.0
T0 = 105.0 # inizio finestra [s]
T_END = 133.7 # fine finestra [s] — ultimo campione nel dataset
df = df[(df["time_s"] >= T0) & (df["time_s"] <= T_END)]
fig, ax = plt.subplots(figsize=(12, 5))
ax.plot(df["time_s"], df["temp_amb IR [C]"], label="Temperatura ambiente", linewidth=1)
ax.plot(df["time_s"], df["temp_obj IR [C]"], label="Temperatura scatola", linewidth=1)
ax.set_xlabel("Tempo [s]")
ax.set_ylabel("Temperatura [°C]")
ax.set_title("Profilo termico scatola in forno")
ax.legend()
ax.grid(True, alpha=0.3)
plt.tight_layout()
plt.savefig(Path(__file__).parent / "plot_temperatura.png", dpi=150, bbox_inches="tight")
plt.show()
+21
View File
@@ -0,0 +1,21 @@
# Report: Temperatura Ambiente Media
## Metodologia
La media è calcolata come **media ponderata sul tempo** (regola dei trapezi):
$$T_{avg} = \frac{\int T(t)\, dt}{t_{fine} - t_{inizio}}$$
Questo approccio tiene conto del campionamento non uniforme: ogni campione pesa proporzionalmente all'intervallo di tempo che copre.
## Risultati
| Parametro | Valore |
|---|---|
| Inizio osservazione | 0.2 s |
| Fine osservazione | 133.7 s |
| Durata totale | 133.5 s |
| Numero campioni | 888 |
| T ambiente minima | 22.60 °C |
| T ambiente massima | 23.80 °C |
| **T ambiente media ponderata** | **22.99 °C** |