电化学知识：在电分析中，计时库伦法(CC)是一种应用很广泛的方法，它可以测定修饰电极的有效电化学表面积、物质的扩散系数、饱和吸附量等。它的原理是基于Anson方程：
其中具体字母的含义就不介绍了。
由公式可以看出，与
成线性关系的。而即使库伦测定的就是Q(t)与t的关系的。
本节将会学到
- 小数点后位数的设定
- 数据的线性拟合
- 图中图的位置
让我们开始吧！
我喜欢把数据存放在excel表格里，而不是txt（CSV）里，因为这样利用xlrd库方便处理。
在excel里，电流值单位都是A，因此我把这一列在excel里乘以,这样单位就变成了
。
导入之前，先介绍一个库，numpy，这个库就是用来做数据分析的，非常好用，但是在使用之前，得将数据转换为array格式。
导入数据并对时间取对数
import xlrd
import matplotlib.pyplot as plt
import numpy as np
#导入数据
workbook = xlrd.open_workbook(r"C:\Users\10178\Desktop\大论文\数据&分析\第三个\文本文件汇总\计时库伦\计时电量数据.xlsx")
data = workbook.sheet_by_index(2)
time = np.array(data.col_values(0)[1:])
charge = np.array(data.col_values(2)[1:])
这样就将电量和时间导入了进来，然后我们要对时间开平方，这里用到np.sqrt（）函数。不过，计算出来的平方根值，其小数点后位数太多，实际上只需保留小数点后4为即可，这里介绍一个函数，np.round()
其使用方法如下：
numpy.around(*a*, *decimals=0*, *out=None*)
其中a为输入的数据，decimals为要保留的小数点后的位数值，例如我想将x=[0,326,0.789]保留为小数点后2为，代码为:
b = numpy.around(x, decimals=2)
根据上面的介绍，相应的代码如下：
time_sqrt = np.around(np.sqrt(time),decimals=4)
下面就要对time_sqrt和charge进行线性拟合。
线性拟合是属于多项式拟合的，在numpy库中，多项式拟合要用到np.polyfit（）函数
np.polyfit`(*x*, *y*, *deg*, *rcond=None*, *full=False*, *w=None*, *cov=False*)
介绍其中常用的参数含义
其中，x,y为要拟合的数据的横坐标和纵坐标值
deg 为多项式的系数，对于线性拟合，deg=1
如果要得到线性拟合的R^2值，则应将full=True（默认为False）
该函数的返回值为一个多项式系数，其值按照系数从高到低排
将得到的数据传入到np.poly1d中可以得到多项式方程
利用polyval()可以得到x=?处的值
但是我翻了numpy的文档，并未有关于R^2的计算，所以得利用其计算公式来计算。这样我们就得到了R2的值。然后就是画图了，我想画图中图。
代码及其解释如下：
fig = plt.firgure() (新建空白画布)
画大图（charage VS t）
label_font = {'family': 'Times New Roman', 'weight': 'bold', 'size': 15}
ticklabel_font = {'family': 'Times New Roman', 'weight': 'bold', 'size': 12}
fig = plt.figure()
ax1 = fig.add_axes([0.1,0.1,0.8,0.8])
ax1.plot(time,charge)
ax1.set_xlabel("Time/s",fontdict=label_font)
ax1.set_ylabel("Charge/μC",fontdict=label_font)
ax1.spines['bottom'].set_linewidth(2)
ax1.spines['left'].set_linewidth(2)
ax1.spines['top'].set_linewidth(2)
ax1.spines['right'].set_linewidth(2)
x_ticks = [0,0.5,1.0,1.5,2.0]
ax1.set_xticks(x_ticks)
ax1.set_xticklabels(x_ticks,fontdict=ticklabel_font)
y_ticks = [0,15,30,45,60]
ax1.set_yticks(y_ticks)
ax1.set_yticklabels(y_ticks,fontdict=ticklabel_font)
其中fig.add_axes（）函数是用来新建一个坐标轴的，官方文档对他的用法解释如下：
add_axes(rect, projection=None, polar=False, **kwargs)
其中rect为新轴的尺寸[左，底，宽，高]。所有数量均为图形宽度和高度的分数。注意整体用一个列表形式 传入，projection现在暂时用不到，之后说到三维图的绘制的时候会用到。
add_axes()的函数用法中我们大致能推断出图中图的画法了，rect中四个参数的值确定了新轴的位置和大小，而且时绝对定位，那我们在新加一个轴，不就行了。
说干就干！
label2_font = {'family': 'Times New Roman', 'weight': 'bold', 'size': 13}
ticklabel2_font = {'family': 'Times New Roman', 'weight': 'bold', 'size': 10}
ax2 = fig.add_axes([0.4,0.25,0.2,0.2])
# ax2.plot(time_sqrt,charge_copy)
ax2.plot(time_sqrt,charge_copy)
ax2.set_xlabel("$\mathregular{t^{1/2}/s^{1/2}}$",fontdict=label2_font)
ax2.set_ylabel("Charge/μC",fontdict=label2_font)
ax2.spines['bottom'].set_linewidth(2)
ax2.spines['left'].set_linewidth(2)
ax2.spines['top'].set_linewidth(2)
ax2.spines['right'].set_linewidth(2)
x2_ticks = [0.5,1.0]
ax2.set_xticks(x2_ticks)
ax2.set_xticklabels(x2_ticks,fontdict=ticklabel2_font)
y2_ticks = [0,15,30,45,60]
ax2.set_yticks(y2_ticks)
ax2.set_yticklabels(y2_ticks,fontdict=ticklabel2_font)
plt.show()
最后的图片如下
