cnrdiff 1.2.0__tar.gz

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
Files changed (12) hide show
  1. cnrdiff-1.2.0/PKG-INFO +158 -0
  2. cnrdiff-1.2.0/README.md +130 -0
  3. cnrdiff-1.2.0/cnrdiff/__init__.py +39 -0
  4. cnrdiff-1.2.0/cnrdiff/cnrdiff.py +352 -0
  5. cnrdiff-1.2.0/cnrdiff.egg-info/PKG-INFO +158 -0
  6. cnrdiff-1.2.0/cnrdiff.egg-info/SOURCES.txt +10 -0
  7. cnrdiff-1.2.0/cnrdiff.egg-info/dependency_links.txt +1 -0
  8. cnrdiff-1.2.0/cnrdiff.egg-info/requires.txt +2 -0
  9. cnrdiff-1.2.0/cnrdiff.egg-info/top_level.txt +1 -0
  10. cnrdiff-1.2.0/pyproject.toml +39 -0
  11. cnrdiff-1.2.0/setup.cfg +4 -0
  12. cnrdiff-1.2.0/setup.py +35 -0
cnrdiff-1.2.0/PKG-INFO ADDED
@@ -0,0 +1,158 @@
1
+ Metadata-Version: 2.4
2
+ Name: cnrdiff
3
+ Version: 1.2.0
4
+ Summary: A library used to compare signal-to-noise ratio
5
+ Home-page: https://github.com/sinognss/cnrdiff
6
+ Author: Sheng Guoliang
7
+ Author-email: Sheng Guoliang <shengguoliang@sinognss.com>, Yang Fawang <yangfawang@sinognss.com>
8
+ License: MIT
9
+ Project-URL: Homepage, https://github.com/sinognss/cnrdiff
10
+ Project-URL: Repository, https://github.com/sinognss/cnrdiff
11
+ Project-URL: Issues, https://github.com/sinognss/cnrdiff/issues
12
+ Keywords: cnr,signal-to-noise,gnss,rinex,bnc
13
+ Classifier: Intended Audience :: Science/Research
14
+ Classifier: License :: OSI Approved :: MIT License
15
+ Classifier: Programming Language :: Python :: 3
16
+ Classifier: Programming Language :: Python :: 3.10
17
+ Classifier: Programming Language :: Python :: 3.11
18
+ Classifier: Programming Language :: Python :: 3.12
19
+ Classifier: Programming Language :: Python :: 3.13
20
+ Classifier: Topic :: Scientific/Engineering
21
+ Requires-Python: >=3.10
22
+ Description-Content-Type: text/markdown
23
+ Requires-Dist: pandas>=2.0.0
24
+ Requires-Dist: matplotlib>=3.7.0
25
+ Dynamic: author
26
+ Dynamic: home-page
27
+ Dynamic: requires-python
28
+
29
+ # CNRDIFF
30
+
31
+ A library used to compare signal-to-noise ratio.
32
+
33
+ Include CNR file format conversion, difference calculation and plotting.
34
+
35
+ *There is a GUI version available for Windows users. See [Release](https://github.com/kongolou/cnrdiff/releases).*
36
+
37
+ **Lead Programmer:**
38
+ - Sheng Guoliang <shengguoliang@sinognss.com>
39
+
40
+ **Contributors:**
41
+ - Yang Fawang <yangfawang@sinognss.com>
42
+ - Wang Xiaobing <wangxiaobing@sinognss.com>
43
+
44
+ ## History
45
+ | Date | Version Info |
46
+ |------------|--------------|
47
+ | 2024-11-20 | 1.0 Released |
48
+ | 2024-11-29 | 1.1 Released |
49
+ | 2024-12-05 | 1.2 Released |
50
+
51
+ # Examples
52
+ The following examples use BNC QC LOG files. Note that RINEX V3 OBS files are also supported.
53
+
54
+ ## Convert to CNR file
55
+ ```python
56
+ cnrs = cnrdiff.log2cnr(['0002295h.log'])
57
+ print(cnrs['0002295h.log.cnr'])
58
+ ```
59
+
60
+ **Output:**
61
+ ```
62
+ 0 1 2 3 4 5 6 7 8 9 10 11
63
+ 0 2024-10-21T08:00:00 1 G03 0.00 S1C 40.0 S2C 45.0 S2W 40.0 S5I 46.0
64
+ 1 2024-10-21T08:00:00 1 G16 0.00 S1C 44.0 S2W 34.0 None NaN None NaN
65
+ 2 2024-10-21T08:00:00 1 G26 72.19 S1C 48.0 S2C 48.0 S2W 49.0 S5I 49.0
66
+ 3 2024-10-21T08:00:00 1 G28 54.10 S1C 44.0 S2C 49.0 S2W 36.0 S5I 49.0
67
+ 4 2024-10-21T08:00:00 1 G29 29.28 S1C 38.0 S2C 33.0 S2W 23.0 None NaN
68
+ ... ... ... ... ... ... ... ... ... ... ... ... ...
69
+ 154214 2024-10-21T09:00:00 3601 C39 69.81 S2I 49.0 S6I 47.0 None NaN None NaN
70
+ 154215 2024-10-21T09:00:00 3601 C40 50.54 S2I 47.0 S6I 47.0 None NaN None NaN
71
+ 154216 2024-10-21T09:00:00 3601 C45 40.91 S2I 47.0 S6I 49.0 None NaN None NaN
72
+ 154217 2024-10-21T09:00:00 3601 C59 47.34 S2I 47.0 S6I 48.0 None NaN None NaN
73
+ 154218 2024-10-21T09:00:00 3601 C60 31.67 S2I 43.0 S6I 45.0 None NaN None NaN
74
+
75
+ [154219 rows x 12 columns]
76
+ ```
77
+
78
+ ## Calculate difference with default parameters (mean of all epochs)
79
+ ```python
80
+ logflist = ['0002295h.log', '0005295h.log', '0041295h.log']
81
+ cnrs = cnrdiff.log2cnr(logflist)
82
+ dcnrs = cnrdiff.cnr2dcnr(cnrs)
83
+ print(dcnrs['0005295h.log.cnr.dcnr'])
84
+ ```
85
+
86
+ **Output:**
87
+ ```
88
+ S1C S1X S2C S2I S2P S6I S7I S2W S5I S5X S7X
89
+ PRN
90
+ C01 NaN NaN NaN -0.940572 NaN 0.085532 -0.843655 NaN NaN NaN NaN
91
+ C02 NaN NaN NaN -1.191891 NaN 0.429325 -0.875868 NaN NaN NaN NaN
92
+ C03 NaN NaN NaN -0.871425 NaN 0.767287 -0.167453 NaN NaN NaN NaN
93
+ C04 NaN NaN NaN -1.157456 NaN -0.718967 -0.314079 NaN NaN NaN NaN
94
+ C06 NaN NaN NaN -0.649542 NaN 0.709525 -0.185782 NaN NaN NaN NaN
95
+ C07 NaN NaN NaN -0.628992 NaN -0.109414 -0.797001 NaN NaN NaN NaN
96
+ C08 NaN NaN NaN -7.029925 NaN -7.659138 -8.090604 NaN NaN NaN NaN
97
+ C09 NaN NaN NaN -0.430158 NaN 0.553180 -0.311580 NaN NaN NaN NaN
98
+ C10 NaN NaN NaN -0.613441 NaN -0.668148 -1.409331 NaN NaN NaN NaN
99
+ C13 NaN NaN NaN -0.420030 NaN -0.170935 -1.856699 NaN NaN NaN NaN
100
+ C16 NaN NaN NaN -0.250764 NaN 0.668981 -0.287420 NaN NaN NaN NaN
101
+ C19 NaN NaN NaN -0.715357 NaN -0.722855 NaN NaN NaN NaN NaN
102
+ C21 NaN NaN NaN -0.637597 NaN -0.221556 NaN NaN NaN NaN NaN
103
+ C22 NaN NaN NaN -1.140517 NaN 0.246876 NaN NaN NaN NaN NaN
104
+ C27 NaN NaN NaN -0.660690 NaN 0.482968 NaN NaN NaN NaN NaN
105
+ C29 NaN NaN NaN -1.968718 NaN -0.774428 NaN NaN NaN NaN NaN
106
+ C30 NaN NaN NaN -1.069425 NaN -0.106082 NaN NaN NaN NaN NaN
107
+ C36 NaN NaN NaN -0.360178 NaN 0.860317 NaN NaN NaN NaN NaN
108
+ C38 NaN NaN NaN -1.204633 NaN -0.822394 NaN NaN NaN NaN NaN
109
+ C39 NaN NaN NaN -0.246876 NaN 0.602888 NaN NaN NaN NaN NaN
110
+ C40 NaN NaN NaN -0.486254 NaN -0.064704 NaN NaN NaN NaN NaN
111
+ C45 NaN NaN NaN -1.191613 NaN -0.384615 NaN NaN NaN NaN NaN
112
+ C59 NaN NaN NaN -0.490419 NaN 0.075257 NaN NaN NaN NaN NaN
113
+ C60 NaN NaN NaN -0.384060 NaN -1.341294 NaN NaN NaN NaN NaN
114
+ E02 NaN 0.028881 NaN NaN NaN NaN NaN NaN NaN 0.704249 0.470425
115
+ E03 NaN -1.054074 NaN NaN NaN NaN NaN NaN NaN 0.616438 -0.138428
116
+ E07 NaN -0.602333 NaN NaN NaN NaN NaN NaN NaN 0.645376 0.058595
117
+ E08 NaN -0.708137 NaN NaN NaN NaN NaN NaN NaN 0.638156 -0.257706
118
+ E27 NaN -0.317690 NaN NaN NaN NaN NaN NaN NaN -0.507359 -1.391002
119
+ E29 NaN -0.891760 NaN NaN NaN NaN NaN NaN NaN -0.697708 -1.014139
120
+ E30 NaN -0.801444 NaN NaN NaN NaN NaN NaN NaN 0.892252 0.099417
121
+ G03 -1.185782 NaN -1.468857 NaN NaN NaN NaN -1.909297 -0.956679 NaN NaN
122
+ G04 -1.012480 NaN -1.029914 NaN NaN NaN NaN -1.265208 -0.205828 NaN NaN
123
+ G16 -1.130242 NaN NaN NaN NaN NaN NaN -1.521244 NaN NaN NaN
124
+ G26 -0.423493 NaN 0.109136 NaN NaN NaN NaN -0.277978 0.285754 NaN NaN
125
+ G27 -0.928958 NaN -1.408960 NaN NaN NaN NaN -2.466618 -0.895877 NaN NaN
126
+ G28 -0.141905 NaN 0.383505 NaN NaN NaN NaN 0.147459 0.844210 NaN NaN
127
+ G29 -1.328652 NaN -0.748343 NaN NaN NaN NaN -1.765429 NaN NaN NaN
128
+ G31 -0.170786 NaN 0.321577 NaN NaN NaN NaN 0.034713 NaN NaN NaN
129
+ G32 -1.343793 NaN -0.820605 NaN NaN NaN NaN -2.168564 -0.294085 NaN NaN
130
+ R04 -0.536518 NaN NaN NaN -1.141905 NaN NaN NaN NaN NaN NaN
131
+ R05 -0.286865 NaN NaN NaN 0.102194 NaN NaN NaN NaN NaN NaN
132
+ R06 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
133
+ R14 -1.866949 NaN NaN NaN -1.413515 NaN NaN NaN NaN NaN NaN
134
+ R15 -0.825326 NaN NaN NaN 0.395446 NaN NaN NaN NaN NaN NaN
135
+ R16 -2.187170 NaN NaN NaN -0.758400 NaN NaN NaN NaN NaN NaN
136
+ R17 -0.660695 NaN NaN NaN -0.220414 NaN NaN NaN NaN NaN NaN
137
+ R18 -2.040590 NaN NaN NaN 0.568744 NaN NaN NaN NaN NaN NaN
138
+ R24 -1.121621 NaN NaN NaN -0.724670 NaN NaN NaN NaN NaN NaN
139
+ ```
140
+
141
+ ## Calculate difference with custom parameters
142
+ ```python
143
+ logflist = ['11121980.24O', '11131980.24O']
144
+ dcnrflist = ['11121980.csv', '11131980.csv']
145
+ start = datetime.datetime(2024, 7, 16, 9, 0, 0)
146
+ end = datetime.datetime(2024, 7, 16, 10, 0, 0)
147
+ interval = 5
148
+ ele_cut = 20.0
149
+ cnrdiff.log2cnr(logflist, save=False, start=start, end=end, interval=interval, ele_cut=ele_cut)
150
+ cnrdiff.cnr2dcnr(cnrflist, save=dcnrflist, plot=True, how='MAX', by='SYS')
151
+ ```
152
+
153
+ ## Convert DCNR to XLSX file
154
+ ```python
155
+ >>> dcnrflist1 = ['0002295h.log.cnr.dcnr', '0005295h.log.cnr.dcnr', '0041295h.log.cnr.dcnr']
156
+ >>> dcnrflist2 = ['11121980.csv', '11131980.csv']
157
+ >>> cnrdiff.dcnr2xlsx([dcnrflist1, dcnrflist2], 'summary.xlsx')
158
+ ```
cnrdiff-1.2.0/README.md ADDED
@@ -0,0 +1,130 @@
1
+ # CNRDIFF
2
+
3
+ A library used to compare signal-to-noise ratio.
4
+
5
+ Include CNR file format conversion, difference calculation and plotting.
6
+
7
+ *There is a GUI version available for Windows users. See [Release](https://github.com/kongolou/cnrdiff/releases).*
8
+
9
+ **Lead Programmer:**
10
+ - Sheng Guoliang <shengguoliang@sinognss.com>
11
+
12
+ **Contributors:**
13
+ - Yang Fawang <yangfawang@sinognss.com>
14
+ - Wang Xiaobing <wangxiaobing@sinognss.com>
15
+
16
+ ## History
17
+ | Date | Version Info |
18
+ |------------|--------------|
19
+ | 2024-11-20 | 1.0 Released |
20
+ | 2024-11-29 | 1.1 Released |
21
+ | 2024-12-05 | 1.2 Released |
22
+
23
+ # Examples
24
+ The following examples use BNC QC LOG files. Note that RINEX V3 OBS files are also supported.
25
+
26
+ ## Convert to CNR file
27
+ ```python
28
+ cnrs = cnrdiff.log2cnr(['0002295h.log'])
29
+ print(cnrs['0002295h.log.cnr'])
30
+ ```
31
+
32
+ **Output:**
33
+ ```
34
+ 0 1 2 3 4 5 6 7 8 9 10 11
35
+ 0 2024-10-21T08:00:00 1 G03 0.00 S1C 40.0 S2C 45.0 S2W 40.0 S5I 46.0
36
+ 1 2024-10-21T08:00:00 1 G16 0.00 S1C 44.0 S2W 34.0 None NaN None NaN
37
+ 2 2024-10-21T08:00:00 1 G26 72.19 S1C 48.0 S2C 48.0 S2W 49.0 S5I 49.0
38
+ 3 2024-10-21T08:00:00 1 G28 54.10 S1C 44.0 S2C 49.0 S2W 36.0 S5I 49.0
39
+ 4 2024-10-21T08:00:00 1 G29 29.28 S1C 38.0 S2C 33.0 S2W 23.0 None NaN
40
+ ... ... ... ... ... ... ... ... ... ... ... ... ...
41
+ 154214 2024-10-21T09:00:00 3601 C39 69.81 S2I 49.0 S6I 47.0 None NaN None NaN
42
+ 154215 2024-10-21T09:00:00 3601 C40 50.54 S2I 47.0 S6I 47.0 None NaN None NaN
43
+ 154216 2024-10-21T09:00:00 3601 C45 40.91 S2I 47.0 S6I 49.0 None NaN None NaN
44
+ 154217 2024-10-21T09:00:00 3601 C59 47.34 S2I 47.0 S6I 48.0 None NaN None NaN
45
+ 154218 2024-10-21T09:00:00 3601 C60 31.67 S2I 43.0 S6I 45.0 None NaN None NaN
46
+
47
+ [154219 rows x 12 columns]
48
+ ```
49
+
50
+ ## Calculate difference with default parameters (mean of all epochs)
51
+ ```python
52
+ logflist = ['0002295h.log', '0005295h.log', '0041295h.log']
53
+ cnrs = cnrdiff.log2cnr(logflist)
54
+ dcnrs = cnrdiff.cnr2dcnr(cnrs)
55
+ print(dcnrs['0005295h.log.cnr.dcnr'])
56
+ ```
57
+
58
+ **Output:**
59
+ ```
60
+ S1C S1X S2C S2I S2P S6I S7I S2W S5I S5X S7X
61
+ PRN
62
+ C01 NaN NaN NaN -0.940572 NaN 0.085532 -0.843655 NaN NaN NaN NaN
63
+ C02 NaN NaN NaN -1.191891 NaN 0.429325 -0.875868 NaN NaN NaN NaN
64
+ C03 NaN NaN NaN -0.871425 NaN 0.767287 -0.167453 NaN NaN NaN NaN
65
+ C04 NaN NaN NaN -1.157456 NaN -0.718967 -0.314079 NaN NaN NaN NaN
66
+ C06 NaN NaN NaN -0.649542 NaN 0.709525 -0.185782 NaN NaN NaN NaN
67
+ C07 NaN NaN NaN -0.628992 NaN -0.109414 -0.797001 NaN NaN NaN NaN
68
+ C08 NaN NaN NaN -7.029925 NaN -7.659138 -8.090604 NaN NaN NaN NaN
69
+ C09 NaN NaN NaN -0.430158 NaN 0.553180 -0.311580 NaN NaN NaN NaN
70
+ C10 NaN NaN NaN -0.613441 NaN -0.668148 -1.409331 NaN NaN NaN NaN
71
+ C13 NaN NaN NaN -0.420030 NaN -0.170935 -1.856699 NaN NaN NaN NaN
72
+ C16 NaN NaN NaN -0.250764 NaN 0.668981 -0.287420 NaN NaN NaN NaN
73
+ C19 NaN NaN NaN -0.715357 NaN -0.722855 NaN NaN NaN NaN NaN
74
+ C21 NaN NaN NaN -0.637597 NaN -0.221556 NaN NaN NaN NaN NaN
75
+ C22 NaN NaN NaN -1.140517 NaN 0.246876 NaN NaN NaN NaN NaN
76
+ C27 NaN NaN NaN -0.660690 NaN 0.482968 NaN NaN NaN NaN NaN
77
+ C29 NaN NaN NaN -1.968718 NaN -0.774428 NaN NaN NaN NaN NaN
78
+ C30 NaN NaN NaN -1.069425 NaN -0.106082 NaN NaN NaN NaN NaN
79
+ C36 NaN NaN NaN -0.360178 NaN 0.860317 NaN NaN NaN NaN NaN
80
+ C38 NaN NaN NaN -1.204633 NaN -0.822394 NaN NaN NaN NaN NaN
81
+ C39 NaN NaN NaN -0.246876 NaN 0.602888 NaN NaN NaN NaN NaN
82
+ C40 NaN NaN NaN -0.486254 NaN -0.064704 NaN NaN NaN NaN NaN
83
+ C45 NaN NaN NaN -1.191613 NaN -0.384615 NaN NaN NaN NaN NaN
84
+ C59 NaN NaN NaN -0.490419 NaN 0.075257 NaN NaN NaN NaN NaN
85
+ C60 NaN NaN NaN -0.384060 NaN -1.341294 NaN NaN NaN NaN NaN
86
+ E02 NaN 0.028881 NaN NaN NaN NaN NaN NaN NaN 0.704249 0.470425
87
+ E03 NaN -1.054074 NaN NaN NaN NaN NaN NaN NaN 0.616438 -0.138428
88
+ E07 NaN -0.602333 NaN NaN NaN NaN NaN NaN NaN 0.645376 0.058595
89
+ E08 NaN -0.708137 NaN NaN NaN NaN NaN NaN NaN 0.638156 -0.257706
90
+ E27 NaN -0.317690 NaN NaN NaN NaN NaN NaN NaN -0.507359 -1.391002
91
+ E29 NaN -0.891760 NaN NaN NaN NaN NaN NaN NaN -0.697708 -1.014139
92
+ E30 NaN -0.801444 NaN NaN NaN NaN NaN NaN NaN 0.892252 0.099417
93
+ G03 -1.185782 NaN -1.468857 NaN NaN NaN NaN -1.909297 -0.956679 NaN NaN
94
+ G04 -1.012480 NaN -1.029914 NaN NaN NaN NaN -1.265208 -0.205828 NaN NaN
95
+ G16 -1.130242 NaN NaN NaN NaN NaN NaN -1.521244 NaN NaN NaN
96
+ G26 -0.423493 NaN 0.109136 NaN NaN NaN NaN -0.277978 0.285754 NaN NaN
97
+ G27 -0.928958 NaN -1.408960 NaN NaN NaN NaN -2.466618 -0.895877 NaN NaN
98
+ G28 -0.141905 NaN 0.383505 NaN NaN NaN NaN 0.147459 0.844210 NaN NaN
99
+ G29 -1.328652 NaN -0.748343 NaN NaN NaN NaN -1.765429 NaN NaN NaN
100
+ G31 -0.170786 NaN 0.321577 NaN NaN NaN NaN 0.034713 NaN NaN NaN
101
+ G32 -1.343793 NaN -0.820605 NaN NaN NaN NaN -2.168564 -0.294085 NaN NaN
102
+ R04 -0.536518 NaN NaN NaN -1.141905 NaN NaN NaN NaN NaN NaN
103
+ R05 -0.286865 NaN NaN NaN 0.102194 NaN NaN NaN NaN NaN NaN
104
+ R06 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
105
+ R14 -1.866949 NaN NaN NaN -1.413515 NaN NaN NaN NaN NaN NaN
106
+ R15 -0.825326 NaN NaN NaN 0.395446 NaN NaN NaN NaN NaN NaN
107
+ R16 -2.187170 NaN NaN NaN -0.758400 NaN NaN NaN NaN NaN NaN
108
+ R17 -0.660695 NaN NaN NaN -0.220414 NaN NaN NaN NaN NaN NaN
109
+ R18 -2.040590 NaN NaN NaN 0.568744 NaN NaN NaN NaN NaN NaN
110
+ R24 -1.121621 NaN NaN NaN -0.724670 NaN NaN NaN NaN NaN NaN
111
+ ```
112
+
113
+ ## Calculate difference with custom parameters
114
+ ```python
115
+ logflist = ['11121980.24O', '11131980.24O']
116
+ dcnrflist = ['11121980.csv', '11131980.csv']
117
+ start = datetime.datetime(2024, 7, 16, 9, 0, 0)
118
+ end = datetime.datetime(2024, 7, 16, 10, 0, 0)
119
+ interval = 5
120
+ ele_cut = 20.0
121
+ cnrdiff.log2cnr(logflist, save=False, start=start, end=end, interval=interval, ele_cut=ele_cut)
122
+ cnrdiff.cnr2dcnr(cnrflist, save=dcnrflist, plot=True, how='MAX', by='SYS')
123
+ ```
124
+
125
+ ## Convert DCNR to XLSX file
126
+ ```python
127
+ >>> dcnrflist1 = ['0002295h.log.cnr.dcnr', '0005295h.log.cnr.dcnr', '0041295h.log.cnr.dcnr']
128
+ >>> dcnrflist2 = ['11121980.csv', '11131980.csv']
129
+ >>> cnrdiff.dcnr2xlsx([dcnrflist1, dcnrflist2], 'summary.xlsx')
130
+ ```
cnrdiff-1.2.0/cnrdiff/__init__.py ADDED
@@ -0,0 +1,39 @@
1
+ """CNRDIFF
2
+
3
+ A library used to compare signal-to-noise ratio.
4
+
5
+ Include CNR file format conversion, difference calculation and plotting.
6
+
7
+ ## Examples
8
+ The following examples use BNC QC LOG files. Note that RINEX V3 OBS files are also supported.
9
+
10
+ ### Convert to CNR file
11
+ >>> cnrs = cnrdiff.log2cnr(['0002295h.log'])
12
+ >>> print(cnrs['0002295h.log.cnr'])
13
+
14
+ ### Calculate difference with default parameters (mean of all epochs)
15
+ >>> logflist = ['0002295h.log', '0005295h.log', '0041295h.log']
16
+ >>> cnrs = cnrdiff.log2cnr(logflist)
17
+ >>> dcnrs = cnrdiff.cnr2dcnr(cnrs)
18
+ >>> print(dcnrs['0005295h.log.cnr.dcnr'])
19
+
20
+ ### Calculate difference with custom parameters
21
+ >>> logflist = ['11121980.24O', '11131980.24O']
22
+ >>> dcnrflist = ['11121980.csv', '11131980.csv']
23
+ >>> start = datetime.datetime(2024, 7, 16, 9, 0, 0)
24
+ >>> end = datetime.datetime(2024, 7, 16, 10, 0, 0)
25
+ >>> interval = 5
26
+ >>> ele_cut = 20.0
27
+ >>> cnrdiff.log2cnr(logflist, save=False, start=start, end=end, interval=interval, ele_cut=ele_cut)
28
+ >>> cnrdiff.cnr2dcnr(cnrflist, save=dcnrflist, plot=True, how='MAX', by='SYS')
29
+
30
+ ### Convert DCNR to XLSX file
31
+ >>> dcnrflist1 = ['0002295h.log.cnr.dcnr', '0005295h.log.cnr.dcnr', '0041295h.log.cnr.dcnr']
32
+ >>> dcnrflist2 = ['11121980.csv', '11131980.csv']
33
+ >>> cnrdiff.dcnr2xlsx([dcnrflist1, dcnrflist2], save='summary.xlsx')
34
+ """
35
+
36
+ from cnrdiff.cnrdiff import log2cnr, rnx2cnr, cnr2dcnr, dcnr2xlsx
37
+
38
+ __version__ = "1.2.0"
39
+ __all__ = ["log2cnr", "rnx2cnr", "cnr2dcnr", "dcnr2xlsx"]
cnrdiff-1.2.0/cnrdiff/cnrdiff.py ADDED
@@ -0,0 +1,352 @@
1
+ import datetime
2
+ import os
3
+ import pandas as pd
4
+ import matplotlib.pyplot as plt
5
+ from typing import Literal
6
+
7
+
8
+ def log2cnr(
9
+ read: list[str],
10
+ save: list[str] | bool = False,
11
+ start: datetime.datetime | None = None,
12
+ end: datetime.datetime | None = None,
13
+ interval: datetime.timedelta | float | int | None = None,
14
+ ele_cut: float = 0.0,
15
+ ) -> dict[str, pd.DataFrame]:
16
+ """将 BNC QC LOG 文件转换为 CNR 格式.
17
+
18
+ 读取策略：
19
+ 1. 读两遍文件。第一遍核对时间，第二遍存储数据.
20
+ 2. 不指定起始时刻，默认起始时刻为文件中首次出现记录的时刻.
21
+ 3. 不指定结束时刻，默认结束时刻为文件中最后一次记录的时刻.
22
+ 4. 不指定历元间隔，默认历元间隔为文件中所有相邻时刻间隔的最小值.
23
+ 5. 不指定高度截止角阈值，默认高度截止角阈值为 0.0°.
24
+ 6. 历元缺失，则缺省记录，不会抛出异常.
25
+ 7. 指定时间范围非法，抛出异常.
26
+ 8. 指定高度截止角阈值非法，抛出异常.
27
+
28
+ Parameters:
29
+ read (list[str]): 需要读取的 BNC QC LOG 文件列表.
30
+ save (list[str] | bool, optional): 需要保存的 CNR 文件列表或是否保存.
31
+ start (datetime.datetime | None, optional): 起始时刻.
32
+ end (datetime.datetime | None, optional): 结束时刻.
33
+ interval (datetime.timedelta | float | int | None, optional): 历元间隔.
34
+ ele_cut (float = 0.0, optional): 高度截止角阈值.
35
+
36
+ Returns:
37
+ dict[str, pd.DataFrame]: CNR 文件数据缓存.
38
+
39
+ Raises:
40
+ ValueError: 指定时间范围非法.
41
+ ValueError: 指定高度截止角阈值非法.
42
+ """
43
+ result = {}
44
+ for logfpath in read:
45
+ # --------第一次读取：核对时间信息--------
46
+ have = []
47
+ with open(logfpath, "r") as fr:
48
+ for line in fr:
49
+ if line.startswith(">"):
50
+ have.append(
51
+ datetime.datetime(
52
+ year=int(line[2:6]),
53
+ month=int(line[7:9]),
54
+ day=int(line[10:12]),
55
+ hour=int(line[13:15]),
56
+ minute=int(line[16:18]),
57
+ second=int(line[19:21]),
58
+ microsecond=int(line[22:28]),
59
+ )
60
+ )
61
+ # 读取策略 2
62
+ if start is None:
63
+ start = have[0]
64
+ if isinstance(interval, int) or isinstance(interval, float):
65
+ interval = datetime.timedelta(seconds=interval)
66
+ # 读取策略 4
67
+ if interval is None:
68
+ temp = []
69
+ for i, j in zip(have[1:], have[:-1]):
70
+ temp.append(i - j)
71
+ interval = min(temp)
72
+ # 读取策略 3
73
+ if end is None:
74
+ end = have[-1] + interval
75
+ expt = [(start + interval * i) for i in range((end - start) // interval)]
76
+ have, expt = pd.Series(have), pd.Series(expt)
77
+ use = expt[expt.isin(have)]
78
+ # 读取策略 7
79
+ if use.empty:
80
+ raise ValueError("Invalid time range.")
81
+ # --------第二次读取：存储卫星数据--------
82
+ # 读取策略 6
83
+ epoch = (use.index + 1).values
84
+ use.reset_index(drop=True, inplace=True)
85
+ cnr_buf = []
86
+ with open(logfpath, "r") as fr:
87
+ idx = 0
88
+ flag = 0 # 当前时间节点未记录存储的卫星数
89
+ for line in fr:
90
+ # 将卫星数据一颗颗写入缓存
91
+ if flag != 0:
92
+ data = line.split()
93
+ row = [use[idx].isoformat(), epoch[idx], data[0], float(data[1])]
94
+ obsn = int(data[3]) // 2
95
+ for i in range(obsn):
96
+ row.append("S" + data[4 + i * 6][1:3]) # 更正观测类型代码
97
+ row.append(float(data[6 + i * 6]))
98
+ cnr_buf.append(row)
99
+ flag -= 1
100
+ if flag == 0:
101
+ idx += 1
102
+ if line.startswith(">"):
103
+ if idx == use.size:
104
+ break
105
+ moment = datetime.datetime(
106
+ year=int(line[2:6]),
107
+ month=int(line[7:9]),
108
+ day=int(line[10:12]),
109
+ hour=int(line[13:15]),
110
+ minute=int(line[16:18]),
111
+ second=int(line[19:21]),
112
+ microsecond=int(line[22:28]),
113
+ )
114
+ if moment == use[idx]:
115
+ flag = int(line[30:32])
116
+ cnr = pd.DataFrame(cnr_buf)
117
+ # 读取策略 5, 8
118
+ if 0.0 <= ele_cut <= 90.0:
119
+ cnr = cnr[cnr[3] >= ele_cut]
120
+ else:
121
+ raise ValueError("Invalid elevation angle cut-off.")
122
+ cnrfpath = logfpath + ".cnr"
123
+ result[cnrfpath] = cnr
124
+
125
+ if not isinstance(save, bool):
126
+ for cnr, cnrfpath in zip(result.values(), save):
127
+ cnr.to_csv(cnrfpath, index=False, header=False)
128
+ elif save:
129
+ for cnr, logfpath in zip(result.values(), read):
130
+ cnrfpath = f"{logfpath}.cnr"
131
+ cnr.to_csv(cnrfpath, index=False, header=False)
132
+
133
+ return result
134
+
135
+
136
+ def rnx2cnr(
137
+ read: list[str],
138
+ save: list[str] | bool = False,
139
+ start: datetime.datetime | None = None,
140
+ end: datetime.datetime | None = None,
141
+ interval: datetime.timedelta | float | int | None = None,
142
+ ele_cut: float = 0.0,
143
+ ) -> dict[str, pd.DataFrame]:
144
+ """将 RINEX V3 OBS 文件转换为 CNR 格式."""
145
+ result = {}
146
+ for rnxfpath in read:
147
+ # -------- Round 1 --------
148
+ tna = {}
149
+ have = []
150
+ with open(rnxfpath, "r") as fr:
151
+ line0_buf = " "
152
+ for line in fr:
153
+ if "SYS / # / OBS TYPES" in line:
154
+ temp = line[7:59].split()
155
+ if line[0] != " ":
156
+ tna[line[0]] = temp
157
+ line0_buf = line[0]
158
+ else:
159
+ tna[line0_buf] += temp
160
+ if line.startswith(">"):
161
+ have.append(
162
+ datetime.datetime(
163
+ year=int(line[2:6]),
164
+ month=int(line[7:9]),
165
+ day=int(line[10:12]),
166
+ hour=int(line[13:15]),
167
+ minute=int(line[16:18]),
168
+ second=int(line[19:21]),
169
+ microsecond=int(line[22:28]),
170
+ )
171
+ )
172
+ if start is None:
173
+ start = have[0]
174
+ if isinstance(interval, int) or isinstance(interval, float):
175
+ interval = datetime.timedelta(seconds=interval)
176
+ if interval is None:
177
+ temp = []
178
+ for i, j in zip(have[1:], have[:-1]):
179
+ temp.append(i - j)
180
+ interval = min(temp)
181
+ if end is None:
182
+ end = have[-1] + interval
183
+ expt = [(start + interval * i) for i in range((end - start) // interval)]
184
+ have, expt = pd.Series(have), pd.Series(expt)
185
+ use = expt[expt.isin(have)]
186
+ if use.empty:
187
+ raise ValueError("Invalid time range.")
188
+ # -------- Round 2 --------
189
+ epoch = (use.index + 1).values
190
+ use.reset_index(drop=True, inplace=True)
191
+ cnr_buf = []
192
+ with open(rnxfpath, "r") as fr:
193
+ idx = 0
194
+ flag = 0
195
+ tna_val = {}
196
+ for line in fr:
197
+ if flag != 0:
198
+ tna_val[line[0]] = [
199
+ line[i : (i + 16)] for i in range(1, len(line), 16)
200
+ ]
201
+ row = [
202
+ use[idx].isoformat(),
203
+ epoch[idx],
204
+ line[0:3],
205
+ 90.0,
206
+ ] # TODO: 90.0
207
+ for i, tna_label in enumerate(tna[line[0]]):
208
+ if tna_label.startswith("S"):
209
+ row.append(tna[line[0]][i])
210
+ val = tna_val[line[0]][i][10:16].replace(" ", "")
211
+ val = float(val) if val != "" else None
212
+ row.append(val)
213
+ cnr_buf.append(row)
214
+ flag -= 1
215
+ if flag == 0:
216
+ idx += 1
217
+ if line.startswith(">"):
218
+ if idx == use.size:
219
+ break
220
+ moment = datetime.datetime(
221
+ year=int(line[2:6]),
222
+ month=int(line[7:9]),
223
+ day=int(line[10:12]),
224
+ hour=int(line[13:15]),
225
+ minute=int(line[16:18]),
226
+ second=int(line[19:21]),
227
+ microsecond=int(line[22:28]),
228
+ )
229
+ if moment == use[idx]:
230
+ flag = int(line[33:35])
231
+ cnr = pd.DataFrame(cnr_buf)
232
+ if 0.0 <= ele_cut <= 90.0:
233
+ cnr = cnr[cnr[3] >= ele_cut]
234
+ else:
235
+ raise ValueError("Invalid elevation angle cut-off.")
236
+ cnrfpath = rnxfpath + ".cnr"
237
+ result[cnrfpath] = cnr
238
+
239
+ if not isinstance(save, bool):
240
+ for cnr, cnrfpath in zip(result.values(), save):
241
+ cnr.to_csv(cnrfpath, index=False, header=False)
242
+ elif save:
243
+ for cnr, rnxfpath in zip(result.values(), read):
244
+ cnrfpath = f"{rnxfpath}.cnr"
245
+ cnr.to_csv(cnrfpath, index=False, header=False)
246
+
247
+ return result
248
+
249
+
250
+ def cnr2dcnr(
251
+ read: list[str] | dict[str, pd.DataFrame],
252
+ save: list[str] | bool = False,
253
+ plot: list[str] | bool = False,
254
+ how: Literal["MEAN", "MAX"] = "MEAN",
255
+ by: Literal["PRN", "SYS"] = "PRN",
256
+ ) -> dict[str, pd.DataFrame]:
257
+ """根据提供的 CNR 文件或缓存计算相应载噪比的差值.
258
+
259
+ Parameters:
260
+ read (list[str] | dict[str, pd.DataFrame]): 需要读取的 CNR 文件列表或 CNR 文件数据缓存.
261
+ save (list[str] | bool, optional): 需要保存的 DCNR 文件列表或是否保存.
262
+ plot (list[str] | bool, optional): 需要绘图的 DCNR 文件列表或是否绘图.
263
+ how (Literal["MEAN", "MAX"], optional): 计算差值的方式.
264
+ by (Literal["PRN", "SYS"], optional): 计算差值的方式.
265
+
266
+ Returns:
267
+ dict[str, pd.DataFrame]: DCNR 文件数据缓存.
268
+ """
269
+ if len(read) == 0:
270
+ return {}
271
+ # get raw dcnr
272
+ if isinstance(read, dict):
273
+ raw_cnr = read
274
+ else:
275
+ raw_cnr = {}
276
+ for cnrfpath in read:
277
+ raw_cnr[cnrfpath] = pd.read_csv(cnrfpath, header=None)
278
+ # get pivoted dcnr
279
+ pivoted_cnr = []
280
+ for cnrfdata in raw_cnr.values():
281
+ match by:
282
+ case "PRN":
283
+ cnrfdata.rename(columns={2: by}, inplace=True)
284
+ buffer = []
285
+ for i in range(4, cnrfdata.shape[1], 2):
286
+ pc_i = cnrfdata.pivot(index=[by, 0], columns=i, values=(i + 1))
287
+ buffer.append(pc_i)
288
+ case "SYS":
289
+ cnrfdata[1] = cnrfdata[2].str[0]
290
+ cnrfdata.rename(columns={1: by}, inplace=True)
291
+ buffer = []
292
+ for i in range(4, cnrfdata.shape[1], 2):
293
+ pc_i = cnrfdata.pivot(index=[by, 2, 0], columns=i, values=(i + 1))
294
+ buffer.append(pc_i)
295
+ match how:
296
+ case "MEAN":
297
+ pc = pd.concat(buffer).groupby(level=by).mean(numeric_only=True)
298
+ case "MAX":
299
+ pc = pd.concat(buffer).groupby(level=by).max(numeric_only=True)
300
+ pc.dropna(axis=1, how="all", inplace=True)
301
+ pivoted_cnr.append(pc)
302
+ # calculate and save dcnr
303
+ dcnr = {}
304
+ if not isinstance(save, bool):
305
+ dcnr[save[0]] = pivoted_cnr[0]
306
+ for i, pc in enumerate(pivoted_cnr[1:], 1):
307
+ dcnr[save[i]] = pc - pivoted_cnr[0]
308
+ for dcnrfpath, dcnrfdata in dcnr.items():
309
+ dcnrfdata.to_csv(dcnrfpath)
310
+ elif save:
311
+ save = [f"{cnrfpath}.dcnr" for cnrfpath in raw_cnr.keys()]
312
+ dcnr[save[0]] = pivoted_cnr[0]
313
+ for i, pc in enumerate(pivoted_cnr[1:], 1):
314
+ dcnr[save[i]] = pc - pivoted_cnr[0]
315
+ for dcnrfpath, dcnrfdata in dcnr.items():
316
+ dcnrfdata.to_csv(dcnrfpath)
317
+ else:
318
+ save = [f"{cnrfpath}.dcnr" for cnrfpath in raw_cnr.keys()]
319
+ dcnr[save[0]] = pivoted_cnr[0]
320
+ for i, pc in enumerate(pivoted_cnr[1:], 1):
321
+ dcnr[save[i]] = pc - pivoted_cnr[0]
322
+ # plot dcnr
323
+ if not isinstance(plot, bool):
324
+ for dcnrfpath, dcnrfdata in dcnr.items():
325
+ dcnrfdata.plot(king="bar", title=dcnrfpath)
326
+ plt.savefig(dcnrfpath + ".png")
327
+ elif plot:
328
+ for dcnrfpath, dcnrfdata in dcnr.items():
329
+ dcnrfdata.plot(kind="bar", title=dcnrfpath)
330
+ plt.tight_layout()
331
+ plt.show()
332
+
333
+ return dcnr
334
+
335
+
336
+ def dcnr2xlsx(read: list[list[str]] | list[dict[str, pd.DataFrame]], save: str) -> None:
337
+ workbook = []
338
+ if isinstance(read[0], dict):
339
+ workbook = read
340
+ else:
341
+ for dcnrflist in read:
342
+ dcnr = {}
343
+ for dcnrfpath in dcnrflist:
344
+ dcnr[dcnrfpath] = pd.read_csv(dcnrfpath, index_col=0)
345
+ workbook.append(dcnr)
346
+ with pd.ExcelWriter(save) as writer:
347
+ for sheet_i, dcnr in enumerate(workbook, 1):
348
+ buffer = []
349
+ for dcnrfpath, dcnrfdata in dcnr.items():
350
+ dcnrfname = os.path.basename(dcnrfpath).split(".")[0]
351
+ buffer.append(dcnrfdata.stack().rename(dcnrfname))
352
+ pd.concat(buffer, axis=1).to_excel(writer, sheet_name=f"Group {sheet_i}")
cnrdiff-1.2.0/cnrdiff.egg-info/PKG-INFO ADDED
@@ -0,0 +1,158 @@
1
+ Metadata-Version: 2.4
2
+ Name: cnrdiff
3
+ Version: 1.2.0
4
+ Summary: A library used to compare signal-to-noise ratio
5
+ Home-page: https://github.com/sinognss/cnrdiff
6
+ Author: Sheng Guoliang
7
+ Author-email: Sheng Guoliang <shengguoliang@sinognss.com>, Yang Fawang <yangfawang@sinognss.com>
8
+ License: MIT
9
+ Project-URL: Homepage, https://github.com/sinognss/cnrdiff
10
+ Project-URL: Repository, https://github.com/sinognss/cnrdiff
11
+ Project-URL: Issues, https://github.com/sinognss/cnrdiff/issues
12
+ Keywords: cnr,signal-to-noise,gnss,rinex,bnc
13
+ Classifier: Intended Audience :: Science/Research
14
+ Classifier: License :: OSI Approved :: MIT License
15
+ Classifier: Programming Language :: Python :: 3
16
+ Classifier: Programming Language :: Python :: 3.10
17
+ Classifier: Programming Language :: Python :: 3.11
18
+ Classifier: Programming Language :: Python :: 3.12
19
+ Classifier: Programming Language :: Python :: 3.13
20
+ Classifier: Topic :: Scientific/Engineering
21
+ Requires-Python: >=3.10
22
+ Description-Content-Type: text/markdown
23
+ Requires-Dist: pandas>=2.0.0
24
+ Requires-Dist: matplotlib>=3.7.0
25
+ Dynamic: author
26
+ Dynamic: home-page
27
+ Dynamic: requires-python
28
+
29
+ # CNRDIFF
30
+
31
+ A library used to compare signal-to-noise ratio.
32
+
33
+ Include CNR file format conversion, difference calculation and plotting.
34
+
35
+ *There is a GUI version available for Windows users. See [Release](https://github.com/kongolou/cnrdiff/releases).*
36
+
37
+ **Lead Programmer:**
38
+ - Sheng Guoliang <shengguoliang@sinognss.com>
39
+
40
+ **Contributors:**
41
+ - Yang Fawang <yangfawang@sinognss.com>
42
+ - Wang Xiaobing <wangxiaobing@sinognss.com>
43
+
44
+ ## History
45
+ | Date | Version Info |
46
+ |------------|--------------|
47
+ | 2024-11-20 | 1.0 Released |
48
+ | 2024-11-29 | 1.1 Released |
49
+ | 2024-12-05 | 1.2 Released |
50
+
51
+ # Examples
52
+ The following examples use BNC QC LOG files. Note that RINEX V3 OBS files are also supported.
53
+
54
+ ## Convert to CNR file
55
+ ```python
56
+ cnrs = cnrdiff.log2cnr(['0002295h.log'])
57
+ print(cnrs['0002295h.log.cnr'])
58
+ ```
59
+
60
+ **Output:**
61
+ ```
62
+ 0 1 2 3 4 5 6 7 8 9 10 11
63
+ 0 2024-10-21T08:00:00 1 G03 0.00 S1C 40.0 S2C 45.0 S2W 40.0 S5I 46.0
64
+ 1 2024-10-21T08:00:00 1 G16 0.00 S1C 44.0 S2W 34.0 None NaN None NaN
65
+ 2 2024-10-21T08:00:00 1 G26 72.19 S1C 48.0 S2C 48.0 S2W 49.0 S5I 49.0
66
+ 3 2024-10-21T08:00:00 1 G28 54.10 S1C 44.0 S2C 49.0 S2W 36.0 S5I 49.0
67
+ 4 2024-10-21T08:00:00 1 G29 29.28 S1C 38.0 S2C 33.0 S2W 23.0 None NaN
68
+ ... ... ... ... ... ... ... ... ... ... ... ... ...
69
+ 154214 2024-10-21T09:00:00 3601 C39 69.81 S2I 49.0 S6I 47.0 None NaN None NaN
70
+ 154215 2024-10-21T09:00:00 3601 C40 50.54 S2I 47.0 S6I 47.0 None NaN None NaN
71
+ 154216 2024-10-21T09:00:00 3601 C45 40.91 S2I 47.0 S6I 49.0 None NaN None NaN
72
+ 154217 2024-10-21T09:00:00 3601 C59 47.34 S2I 47.0 S6I 48.0 None NaN None NaN
73
+ 154218 2024-10-21T09:00:00 3601 C60 31.67 S2I 43.0 S6I 45.0 None NaN None NaN
74
+
75
+ [154219 rows x 12 columns]
76
+ ```
77
+
78
+ ## Calculate difference with default parameters (mean of all epochs)
79
+ ```python
80
+ logflist = ['0002295h.log', '0005295h.log', '0041295h.log']
81
+ cnrs = cnrdiff.log2cnr(logflist)
82
+ dcnrs = cnrdiff.cnr2dcnr(cnrs)
83
+ print(dcnrs['0005295h.log.cnr.dcnr'])
84
+ ```
85
+
86
+ **Output:**
87
+ ```
88
+ S1C S1X S2C S2I S2P S6I S7I S2W S5I S5X S7X
89
+ PRN
90
+ C01 NaN NaN NaN -0.940572 NaN 0.085532 -0.843655 NaN NaN NaN NaN
91
+ C02 NaN NaN NaN -1.191891 NaN 0.429325 -0.875868 NaN NaN NaN NaN
92
+ C03 NaN NaN NaN -0.871425 NaN 0.767287 -0.167453 NaN NaN NaN NaN
93
+ C04 NaN NaN NaN -1.157456 NaN -0.718967 -0.314079 NaN NaN NaN NaN
94
+ C06 NaN NaN NaN -0.649542 NaN 0.709525 -0.185782 NaN NaN NaN NaN
95
+ C07 NaN NaN NaN -0.628992 NaN -0.109414 -0.797001 NaN NaN NaN NaN
96
+ C08 NaN NaN NaN -7.029925 NaN -7.659138 -8.090604 NaN NaN NaN NaN
97
+ C09 NaN NaN NaN -0.430158 NaN 0.553180 -0.311580 NaN NaN NaN NaN
98
+ C10 NaN NaN NaN -0.613441 NaN -0.668148 -1.409331 NaN NaN NaN NaN
99
+ C13 NaN NaN NaN -0.420030 NaN -0.170935 -1.856699 NaN NaN NaN NaN
100
+ C16 NaN NaN NaN -0.250764 NaN 0.668981 -0.287420 NaN NaN NaN NaN
101
+ C19 NaN NaN NaN -0.715357 NaN -0.722855 NaN NaN NaN NaN NaN
102
+ C21 NaN NaN NaN -0.637597 NaN -0.221556 NaN NaN NaN NaN NaN
103
+ C22 NaN NaN NaN -1.140517 NaN 0.246876 NaN NaN NaN NaN NaN
104
+ C27 NaN NaN NaN -0.660690 NaN 0.482968 NaN NaN NaN NaN NaN
105
+ C29 NaN NaN NaN -1.968718 NaN -0.774428 NaN NaN NaN NaN NaN
106
+ C30 NaN NaN NaN -1.069425 NaN -0.106082 NaN NaN NaN NaN NaN
107
+ C36 NaN NaN NaN -0.360178 NaN 0.860317 NaN NaN NaN NaN NaN
108
+ C38 NaN NaN NaN -1.204633 NaN -0.822394 NaN NaN NaN NaN NaN
109
+ C39 NaN NaN NaN -0.246876 NaN 0.602888 NaN NaN NaN NaN NaN
110
+ C40 NaN NaN NaN -0.486254 NaN -0.064704 NaN NaN NaN NaN NaN
111
+ C45 NaN NaN NaN -1.191613 NaN -0.384615 NaN NaN NaN NaN NaN
112
+ C59 NaN NaN NaN -0.490419 NaN 0.075257 NaN NaN NaN NaN NaN
113
+ C60 NaN NaN NaN -0.384060 NaN -1.341294 NaN NaN NaN NaN NaN
114
+ E02 NaN 0.028881 NaN NaN NaN NaN NaN NaN NaN 0.704249 0.470425
115
+ E03 NaN -1.054074 NaN NaN NaN NaN NaN NaN NaN 0.616438 -0.138428
116
+ E07 NaN -0.602333 NaN NaN NaN NaN NaN NaN NaN 0.645376 0.058595
117
+ E08 NaN -0.708137 NaN NaN NaN NaN NaN NaN NaN 0.638156 -0.257706
118
+ E27 NaN -0.317690 NaN NaN NaN NaN NaN NaN NaN -0.507359 -1.391002
119
+ E29 NaN -0.891760 NaN NaN NaN NaN NaN NaN NaN -0.697708 -1.014139
120
+ E30 NaN -0.801444 NaN NaN NaN NaN NaN NaN NaN 0.892252 0.099417
121
+ G03 -1.185782 NaN -1.468857 NaN NaN NaN NaN -1.909297 -0.956679 NaN NaN
122
+ G04 -1.012480 NaN -1.029914 NaN NaN NaN NaN -1.265208 -0.205828 NaN NaN
123
+ G16 -1.130242 NaN NaN NaN NaN NaN NaN -1.521244 NaN NaN NaN
124
+ G26 -0.423493 NaN 0.109136 NaN NaN NaN NaN -0.277978 0.285754 NaN NaN
125
+ G27 -0.928958 NaN -1.408960 NaN NaN NaN NaN -2.466618 -0.895877 NaN NaN
126
+ G28 -0.141905 NaN 0.383505 NaN NaN NaN NaN 0.147459 0.844210 NaN NaN
127
+ G29 -1.328652 NaN -0.748343 NaN NaN NaN NaN -1.765429 NaN NaN NaN
128
+ G31 -0.170786 NaN 0.321577 NaN NaN NaN NaN 0.034713 NaN NaN NaN
129
+ G32 -1.343793 NaN -0.820605 NaN NaN NaN NaN -2.168564 -0.294085 NaN NaN
130
+ R04 -0.536518 NaN NaN NaN -1.141905 NaN NaN NaN NaN NaN NaN
131
+ R05 -0.286865 NaN NaN NaN 0.102194 NaN NaN NaN NaN NaN NaN
132
+ R06 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
133
+ R14 -1.866949 NaN NaN NaN -1.413515 NaN NaN NaN NaN NaN NaN
134
+ R15 -0.825326 NaN NaN NaN 0.395446 NaN NaN NaN NaN NaN NaN
135
+ R16 -2.187170 NaN NaN NaN -0.758400 NaN NaN NaN NaN NaN NaN
136
+ R17 -0.660695 NaN NaN NaN -0.220414 NaN NaN NaN NaN NaN NaN
137
+ R18 -2.040590 NaN NaN NaN 0.568744 NaN NaN NaN NaN NaN NaN
138
+ R24 -1.121621 NaN NaN NaN -0.724670 NaN NaN NaN NaN NaN NaN
139
+ ```
140
+
141
+ ## Calculate difference with custom parameters
142
+ ```python
143
+ logflist = ['11121980.24O', '11131980.24O']
144
+ dcnrflist = ['11121980.csv', '11131980.csv']
145
+ start = datetime.datetime(2024, 7, 16, 9, 0, 0)
146
+ end = datetime.datetime(2024, 7, 16, 10, 0, 0)
147
+ interval = 5
148
+ ele_cut = 20.0
149
+ cnrdiff.log2cnr(logflist, save=False, start=start, end=end, interval=interval, ele_cut=ele_cut)
150
+ cnrdiff.cnr2dcnr(cnrflist, save=dcnrflist, plot=True, how='MAX', by='SYS')
151
+ ```
152
+
153
+ ## Convert DCNR to XLSX file
154
+ ```python
155
+ >>> dcnrflist1 = ['0002295h.log.cnr.dcnr', '0005295h.log.cnr.dcnr', '0041295h.log.cnr.dcnr']
156
+ >>> dcnrflist2 = ['11121980.csv', '11131980.csv']
157
+ >>> cnrdiff.dcnr2xlsx([dcnrflist1, dcnrflist2], 'summary.xlsx')
158
+ ```
cnrdiff-1.2.0/cnrdiff.egg-info/SOURCES.txt ADDED
@@ -0,0 +1,10 @@
1
+ README.md
2
+ pyproject.toml
3
+ setup.py
4
+ cnrdiff/__init__.py
5
+ cnrdiff/cnrdiff.py
6
+ cnrdiff.egg-info/PKG-INFO
7
+ cnrdiff.egg-info/SOURCES.txt
8
+ cnrdiff.egg-info/dependency_links.txt
9
+ cnrdiff.egg-info/requires.txt
10
+ cnrdiff.egg-info/top_level.txt
cnrdiff-1.2.0/cnrdiff.egg-info/requires.txt ADDED
@@ -0,0 +1,2 @@
1
+ pandas>=2.0.0
2
+ matplotlib>=3.7.0
cnrdiff-1.2.0/cnrdiff.egg-info/top_level.txt ADDED
@@ -0,0 +1 @@
1
+ cnrdiff
cnrdiff-1.2.0/pyproject.toml ADDED
@@ -0,0 +1,39 @@
1
+ [build-system]
2
+ requires = ["setuptools>=61.0", "wheel"]
3
+ build-backend = "setuptools.build_meta"
4
+
5
+ [project]
6
+ name = "cnrdiff"
7
+ version = "1.2.0"
8
+ description = "A library used to compare signal-to-noise ratio"
9
+ readme = "README.md"
10
+ license = {text = "MIT"}
11
+ requires-python = ">=3.10"
12
+ authors = [
13
+ {name = "Sheng Guoliang", email = "shengguoliang@sinognss.com"},
14
+ {name = "Yang Fawang", email = "yangfawang@sinognss.com"},
15
+ ]
16
+ keywords = ["cnr", "signal-to-noise", "gnss", "rinex", "bnc"]
17
+ classifiers = [
18
+ "Intended Audience :: Science/Research",
19
+ "License :: OSI Approved :: MIT License",
20
+ "Programming Language :: Python :: 3",
21
+ "Programming Language :: Python :: 3.10",
22
+ "Programming Language :: Python :: 3.11",
23
+ "Programming Language :: Python :: 3.12",
24
+ "Programming Language :: Python :: 3.13",
25
+ "Topic :: Scientific/Engineering",
26
+ ]
27
+ dependencies = [
28
+ "pandas>=2.0.0",
29
+ "matplotlib>=3.7.0",
30
+ ]
31
+
32
+ [project.urls]
33
+ Homepage = "https://github.com/sinognss/cnrdiff"
34
+ Repository = "https://github.com/sinognss/cnrdiff"
35
+ Issues = "https://github.com/sinognss/cnrdiff/issues"
36
+
37
+ [tool.setuptools.packages.find]
38
+ where = ["."]
39
+ include = ["cnrdiff*"]
cnrdiff-1.2.0/setup.cfg ADDED
@@ -0,0 +1,4 @@
1
+ [egg_info]
2
+ tag_build =
3
+ tag_date = 0
4
+
cnrdiff-1.2.0/setup.py ADDED
@@ -0,0 +1,35 @@
1
+ from setuptools import setup, find_packages
2
+
3
+ setup(
4
+ name="cnrdiff",
5
+ version="1.2.0",
6
+ description="A library used to compare signal-to-noise ratio",
7
+ long_description=open("README.md", encoding="utf-8").read(),
8
+ long_description_content_type="text/markdown",
9
+ license="MIT",
10
+ author="Sheng Guoliang",
11
+ author_email="shengguoliang@sinognss.com",
12
+ python_requires=">=3.10",
13
+ packages=find_packages(where=".", include=["cnrdiff*"]),
14
+ install_requires=[
15
+ "pandas>=2.0.0",
16
+ "matplotlib>=3.7.0",
17
+ ],
18
+ keywords=["cnr", "signal-to-noise", "gnss", "rinex", "bnc"],
19
+ classifiers=[
20
+ "Intended Audience :: Science/Research",
21
+ "License :: OSI Approved :: MIT License",
22
+ "Programming Language :: Python :: 3",
23
+ "Programming Language :: Python :: 3.10",
24
+ "Programming Language :: Python :: 3.11",
25
+ "Programming Language :: Python :: 3.12",
26
+ "Programming Language :: Python :: 3.13",
27
+ "Topic :: Scientific/Engineering",
28
+ ],
29
+ url="https://github.com/sinognss/cnrdiff",
30
+ project_urls={
31
+ "Homepage": "https://github.com/sinognss/cnrdiff",
32
+ "Repository": "https://github.com/sinognss/cnrdiff",
33
+ "Issues": "https://github.com/sinognss/cnrdiff/issues",
34
+ },
35
+ )