第十周：光电效应

第十周：光电效应

处理结果（图）

数据处理（代码）

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import linregress# 设置中文字体（请根据您的系统环境确保 SimHei 或其他中文字体可用）
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = Falsedef run_photoelectric_analysis():print("--- 物理实验数据自动化处理系统 ---")# 1. 绘制伏安特性曲线 (表 6.14-2)try:df2 = pd.read_csv('table_2.csv')plt.figure(figsize=(10, 6))for wl in df2['wavelength_nm'].unique():subset = df2[df2['wavelength_nm'] == wl]plt.plot(subset['V_AK'], subset['I_10e-10_A'], marker='o', markersize=4, label=f'{wl} nm')plt.axhline(0, color='black', lw=1)plt.xlabel('加速电压 V_AK (V)')plt.ylabel('光电流 I (10⁻¹⁰ A)')plt.title('光电管伏安特性曲线 (表 6.14-2)')plt.legend(title="波长")plt.grid(True, linestyle=':', alpha=0.6)plt.show()except FileNotFoundError:print("跳过表2绘制：未找到 table_2.csv")# 2. 计算普朗克常数 h (表 6.14-3)try:df3 = pd.read_csv('table_3.csv')nu = df3['nu_10e14_Hz'] * 1e14vc = df3['Vc_V'].abs()slope, intercept, r_val, _, _ = linregress(nu, vc)e = 1.602176634e-19h_calc = slope * eh_std = 6.62607015e-34print(f"\n[表3结果] 计算出的 h: {h_calc:.4e} J·s, 相对误差: {abs(h_calc - h_std) / h_std * 100:.2f}%")plt.figure(figsize=(8, 6))plt.scatter(df3['nu_10e14_Hz'], vc, color='red', label='实验观测值')plt.plot(df3['nu_10e14_Hz'], slope * nu + intercept, 'b--', label=f'线性拟合 (R²={r_val ** 2:.4f})')plt.xlabel('频率 ν (10¹⁴ Hz)')plt.ylabel('截止电压绝对值 |Vc| (V)')plt.title('截止电压与频率关系图 (求 h)')plt.legend()plt.grid(True)plt.show()except FileNotFoundError:print("跳过表3计算：未找到 table_3.csv")# 3. 验证光强与光阑面积关系 (表 6.14-4)try:df4 = pd.read_csv('table_4.csv')df4['Phi_sq'] = df4['Phi_mm'] ** 2s4, i4, r4, _, _ = linregress(df4['Phi_sq'], df4['I_10e-10_A'])plt.figure(figsize=(8, 6))plt.scatter(df4['Phi_sq'], df4['I_10e-10_A'], color='purple')plt.plot(df4['Phi_sq'], s4 * df4['Phi_sq'] + i4, 'm--', label=f'拟合线 (R²={r4 ** 2:.4f})')plt.xlabel('光阑直径平方 Φ² (mm²)')plt.ylabel('光电流 I (10⁻¹⁰ A)')plt.title('验证光电流与光阑面积的正比关系 (表 6.14-4)')plt.grid(True)plt.show()except FileNotFoundError:print("跳过表4验证：未找到 table_4.csv")# 4. 验证距离平方反比关系 (表 6.14-5)try:df5 = pd.read_csv('table_5.csv')df5['inv_L2'] = 1 / ((df5['L_mm'] / 1000) ** 2)s5, i5, r5, _, _ = linregress(df5['inv_L2'], df5['I_10e-9_A'])plt.figure(figsize=(8, 6))plt.scatter(df5['inv_L2'], df5['I_10e-9_A'], color='green')plt.plot(df5['inv_L2'], s5 * df5['inv_L2'] + i5, 'g--', label=f'拟合线 (R²={r5 ** 2:.4f})')plt.xlabel('距离平方倒数 1/L² (m⁻²)')plt.ylabel('光电流 I (10⁻⁹ A)')plt.title('验证距离平方反比关系 (表 6.14-5)')plt.grid(True)plt.show()except FileNotFoundError:print("跳过表5验证：未找到 table_5.csv")if __name__ == "__main__":run_photoelectric_analysis()