در این مطلب، ویدئو اسکریپت نویسی Abaqus Python: استخراج خروجی تاریخچه با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:03:57
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,000 –> 00:00:01,839
به سگ های بزرگ خوش آمدید امروز به
2
00:00:01,839 –> 00:00:03,760
شما نشان خواهم داد که چگونه
3
00:00:03,760 –> 00:00:06,640
فرکانس های ویژه را از خروجی تاریخ استخراج کنید،
4
00:00:06,640 –> 00:00:07,440
بنابراین
5
00:00:07,440 –> 00:00:10,160
اگر برای ایجاد داده های xy به اینجا
6
00:00:10,160 –> 00:00:12,799
می آیید، خروجی تاریخچه odb
7
00:00:12,799 –> 00:00:14,559
دارید و اگر روی آن کلیک کنید، چندین
8
00:00:14,559 –> 00:00:17,760
متغیر خواهید داشت. می تواند دسترسی داشته باشد
9
00:00:17,760 –> 00:00:19,680
و ترسیم کند، اما اگر می خواهید
10
00:00:19,680 –> 00:00:21,439
آن را در یک فایل اکسل یا چیزی
11
00:00:21,439 –> 00:00:22,400
شبیه به آن
12
00:00:22,400 –> 00:00:23,760
خوب بکشید، چه می
13
00:00:23,760 –> 00:00:26,240
توانید بدانید که آن را در اینجا ذخیره کنید
14
00:00:26,240 –> 00:00:27,519
و سپس
15
00:00:27,519 –> 00:00:30,560
به اینجا بروید و
16
00:00:30,560 –> 00:00:32,719
داده ها را کپی کنید و در اکسل بکشید یا
17
00:00:32,719 –> 00:00:35,360
می توانید یک اسکریپت بنویسید. برای انجام این کار برای شما
18
00:00:35,360 –> 00:00:36,719
در این مورد، من
19
00:00:36,719 –> 00:00:39,440
گزینه اسکریپت
20
00:00:39,920 –> 00:00:42,399
را به شما نشان می دهم، بنابراین
21
00:00:42,399 –> 00:00:44,480
فرکانس های خاص را در این مورد انجام می دهیم،
22
00:00:44,480 –> 00:00:45,360
بنابراین
23
00:00:45,360 –> 00:00:47,760
این اسکریپت درست در اینجا است،
24
00:00:47,760 –> 00:00:50,079
ابتدا شروع می کنیم و
25
00:00:50,079 –> 00:00:51,840
وارداتی که نیاز داریم را وارد می کنیم. میخواهیم
26
00:00:51,840 –> 00:00:53,920
27
00:00:53,920 –> 00:00:57,199
ماژول numpy یا بسته numpy را در اینجا وارد کنیم
28
00:00:57,199 –> 00:00:59,199
تا به ما اجازه دهد
29
00:00:59,199 –> 00:01:01,760
دادهها را استخراج کرده و در یک فایل csv ذخیره کنیم، در
30
00:01:01,760 –> 00:01:03,440
31
00:01:03,440 –> 00:01:05,760
این قسمت ورودیهایی هستند که برای
32
00:01:05,760 –> 00:01:06,640
دسترسی به
33
00:01:06,640 –> 00:01:09,200
متغیرهای خروجی تاریخچه نیاز داریم، در این مورد
34
00:01:09,200 –> 00:01:12,320
، نام فایل odb ما درست است. اینجا و
35
00:01:12,320 –> 00:01:14,799
بعد من مرحله مورد نیاز را دارم دسترسی
36
00:01:14,799 –> 00:01:17,280
و سپس متغیر فرکانس ویژه و
37
00:01:17,280 –> 00:01:20,000
سپس منطقه ای که می خواهیم در کانتینر مناطق تاریخ به آن دسترسی داشته باشیم
38
00:01:20,000 –> 00:01:22,240
و می
39
00:01:22,240 –> 00:01:24,560
توانید بیشتر اینها را در چرتکه پیدا کنید،
40
00:01:24,560 –> 00:01:28,799
بنابراین می توانید در اینجا ببینید اگر به کار
41
00:01:28,960 –> 00:01:31,439
برویم آنچه داریم پایگاه داده odb ما است
42
00:01:31,439 –> 00:01:34,159
در اینجا psd این چیزی است که من در حال دسترسی هستم و
43
00:01:34,159 –> 00:01:35,840
سپس مرحله ما
44
00:01:35,840 –> 00:01:38,159
در اینجا به پایان می رسد،
45
00:01:38,159 –> 00:01:40,560
بنابراین مرحله مودال ما دقیقاً در اینجا است که خروجی
46
00:01:40,560 –> 00:01:42,159
تاریخچه خود را از آن بیرون می آوریم
47
00:01:42,159 –> 00:01:44,880
48
00:01:45,280 –> 00:01:47,280
و سپس اگر به
49
00:01:47,280 –> 00:01:50,720
ماژول تجسم بروید و به
50
00:01:50,720 –> 00:01:52,960
خروجی تاریخچه برگردید، می توانید به نوعی آن را بکشید.
51
00:01:52,960 –> 00:01:54,880
متغیرها را دقیقاً در اینجا ببینید
52
00:01:54,880 –> 00:01:56,560
و سپس اگر مدل سوراخ را میگ