故障诊断轴承数据集代码

以下是一个简单的故障诊断轴承数据集代码示例：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取数据集
data = pd.read_csv('bearing_dataset.csv')

# 数据预处理
data.drop(['experiment_id', 'bearing_1_id', 'bearing_2_id'], axis=1, inplace=True)
data['timestamp'] = pd.to_datetime(data['timestamp'], format='%Y-%m-%d %H:%M:%S')
data.set_index('timestamp', inplace=True)

# 绘制轴承温度趋势图
plt.plot(data['bearing_1_temperature'], label='Bearing 1')
plt.plot(data['bearing_2_temperature'], label='Bearing 2')
plt.legend()
plt.title('Bearing Temperature Trend')
plt.xlabel('Time')
plt.ylabel('Temperature (Celsius)')
plt.show()

# 计算轴承温度均值和标准差
mean_temp_bearing_1 = np.mean(data['bearing_1_temperature'])
std_temp_bearing_1 = np.std(data['bearing_1_temperature'])
mean_temp_bearing_2 = np.mean(data['bearing_2_temperature'])
std_temp_bearing_2 = np.std(data['bearing_2_temperature'])

print('Bearing 1 temperature mean:', mean_temp_bearing_1)
print('Bearing 1 temperature standard deviation:', std_temp_bearing_1)
print('Bearing 2 temperature mean:', mean_temp_bearing_2)
print('Bearing 2 temperature standard deviation:', std_temp_bearing_2)

该代码读取了一个名为 `bearing_dataset.csv` 的数据集，对数据进行了预处理，并绘制了轴承温度趋势图。接着，计算了轴承温度的均值和标准差，并输出了结果。