针对scipy的程序， 使用循环函数for，编写简单程序，通过比较不同时间段中的拟合函数， 比较单摆多次达到最大位置时，间隔的时间大小，从而确认周期是否相等。用python写出具体代码

为了确认单摆在多次达到最大位置时的时间间隔是否恒定，我们可以创建一个循环，每次测量一段时间内的数据，然后对这些数据进行拟合，接着计算两次最大位置之间的周期。以下是使用Python和Scipy的一个示例代码：

import numpy as np
from scipy.optimize import curve_fit
import time
import matplotlib.pyplot as plt

# 假设我们有实际数据，这里是生成随机数据的简单例子
def get_data(num_periods):
    # 生成模拟数据，假设真实数据是一个简单的正弦波
    data_points = []
    for _ in range(num_periods * 2):  # 获取两倍于周期的数据点以捕捉完整的周期
        angle = np.sin(2 * np.pi * (np.arange(len(_))/len(_) * num_periods)) + np.random.normal(0, 0.1, len(_))
        data_points.append(angle)
    return np.array(data_points).reshape(-1, 2)

# 用于拟合的函数（这里假设是个简单的正弦函数）
def sine_function(x, a, phi, omega):
    return a * np.sin(omega * x + phi)

# 循环测量和拟合
num_periods_measured = 5
periods_to_check = 3  # 测试几个不同的时间段

for i in range(periods_to_check):
    start_time = time.time()
    # 获取一定时间范围内的数据
    start_index = int(i * num_periods_measured)
    end_index = int(start_index + num_periods_measured)
    data_subsample = get_data(end_index - start_index)[start_index:end_index]

    # 拟合数据
    popt, _ = curve_fit(sine_function, data_subsample[:, 0], data_subsample[:, 1])

    # 找出最大位置和时间差
    max_indices = np.argmax(data_subsample[:, 1])
    max_time_1 = data_subsample[max_indices, 0]
    max_time_2 = data_subsample[max_indices + 1, 0] if len(data_subsample) > max_indices + 1 else None
    period_diff = max_time_2 - max_time_1 if max_time_2 is not None else None

    print(f"Period difference between cycle {i+1}: {period_diff:.4f}")

    # 可视化验证
    plt.plot(data_subsample[:, 0], data_subsample[:, 1], label=f"Cycle {i+1}")
    
end_time = time.time()
total_time = end_time - start_time
print(f"\nTotal time taken to measure and fit: {total_time:.4f} seconds")