4、核心库选型与安装：pyvisa、pyserial、numpy、pandas、openpyxl
好，咱们开始搭建真正的「武器库」了。
前面几章我们把框架思路理清了，环境也配好了。但光有Python解释器，你什么都干不了。就像你买了台车床，没装刀具，怎么加工零件？
这一章，我就带你把这五把「核心刀具」装上去。它们分别是：pyvisa（仪器控制）、pyserial（串口通信）、numpy（数据处理）、pandas（数据管理）、openpyxl（报表生成）。
这五个库，几乎覆盖了TPMS产线测试的全部需求。我个人习惯是，不管项目大小，先把这五个装上再说。为什么？你往下看就明白了。
4.1 pyvisa：让电脑和仪器「对话」
先说说pyvisa。它是Python和仪器之间的「翻译官」。
TPMS产线里，你肯定要用到频谱仪、信号发生器、功率计这些设备。怎么让电脑控制它们？靠的就是VISA协议。而pyvisa，就是Python里最成熟的VISA实现。
核心作用：通过GPIB、USB、LAN、RS232等接口，向仪器发送SCPI命令，并读取返回值。
安装很简单：
pip install pyvisa但注意，光装pyvisa还不够。你还需要一个「后端」——也就是VISA的驱动程序。我推荐用NI-VISA或者PyVISA-py。我个人习惯用PyVISA-py，因为它纯Python实现，不用装NI那套庞大的驱动包。
pip install pyvisa-py装完之后，验证一下：
import pyvisa
rm = pyvisa.ResourceManager('@py')
print(rm.list_resources())如果输出一个列表（哪怕为空），就说明安装成功了。
避坑指南：我曾经在产线调试时，发现pyvisa死活连不上仪器。折腾了半天，最后发现是忘了指定后端。默认用的是NI-VISA，但我的电脑没装。改成'@py'就好了。所以，记得在ResourceManager里显式指定后端。
4.2 pyserial：串口通信的「老黄牛」
TPMS产线里，很多设备还是走串口的。比如一些老式的传感器测试夹具、烧录器、甚至某些定制化的通信模块。
pyserial就是Python里操作串口的标准库。它稳定、轻量、文档齐全。说白了，它就是串口通信的「老黄牛」，任劳任怨。
pip install pyserial基本用法也很直观：
import serial
ser = serial.Serial(
port='COM3',
baudrate=115200,
timeout=1
)
ser.write(b'AT\r\n')
response = ser.read(100)
print(response)
ser.close()嗯，这里要注意：串口参数一定要和你的设备匹配。波特率、数据位、停止位、校验位，错一个都不行。
警告：串口是独占资源。一个程序打开了COM3，另一个程序就打不开了。我在产线调试时，经常遇到「端口被占用」的问题。后来我养成了一个习惯：每次用完串口，一定要显式调用ser.close()。或者用with语句，自动释放资源。
4.3 numpy：数据计算的「发动机」
TPMS测试会产生大量数据。比如频率偏差、功率值、温度曲线……这些数据如果一个个用Python原生列表去算，效率太低了。
numpy就是来解决这个问题的。它底层用C语言实现，计算速度比纯Python快几十倍甚至上百倍。你想想看，产线上每秒钟可能要处理几百个测试点，没有numpy，你的程序会卡成PPT。
pip install numpy安装后，你可以这样用：
import numpy as np
# 假设这是从仪器读回来的100个频率值
freq_data = np.array([315.0, 315.1, 314.9, 315.2, ...])
mean_freq = np.mean(freq_data)
std_freq = np.std(freq_data)
max_freq = np.max(freq_data)你看，一行代码就能算均值、标准差、最大值。如果用原生Python写，至少得写个for循环。
个人经验：我在做TPMS产线测试时，经常需要做「滑动平均滤波」。用numpy的convolve函数，一行代码就能实现。如果用纯Python写，至少要十几行，而且容易出bug。所以，numpy不是「锦上添花」，而是「雪中送炭」。
4.4 pandas：数据管理的「瑞士军刀」
数据算出来了，怎么管理？怎么筛选？怎么分组？
pandas就是干这个的。它提供了DataFrame这种数据结构，让你像操作Excel表格一样操作数据。说实话，我自从用了pandas，就再也不想用Excel手动处理测试数据了。
pip install pandas举个例子，假设你有1000个TPMS模块的测试结果：
import pandas as pd
data = {
'serial_no': ['TPMS001', 'TPMS002', ...],
'freq': [315.0, 315.1, ...],
'power': [10.2, 10.5, ...],
'result': ['PASS', 'FAIL', ...]
}
df = pd.DataFrame(data)
# 筛选出所有FAIL的模块
fail_df = df[df['result'] == 'FAIL']
print(fail_df)你看，筛选、分组、排序、统计，pandas都提供了非常简洁的API。产线上经常要统计良率、分析不良原因，pandas就是最好的工具。
核心作用：pandas让你从「手动处理数据」变成「自动化处理数据」。它和numpy配合使用，一个负责计算，一个负责管理，天作之合。
4.5 openpyxl：报表生成的「最后一公里」
数据算好了，管理好了，最后一步是什么？出报表。
产线上，测试结果最终要生成Excel报表，发给生产主管、质量工程师、甚至客户。openpyxl就是Python里操作Excel文件最成熟的库。
pip install openpyxl基本用法：
from openpyxl import Workbook
wb = Workbook()
ws = wb.active
ws.title = "TPMS测试报表"
# 写入表头
ws['A1'] = '序列号'
ws['B1'] = '频率(MHz)'
ws['C1'] = '功率(dBm)'
ws['D1'] = '测试结果'
# 写入数据
ws.append(['TPMS001', 315.0, 10.2, 'PASS'])
ws.append(['TPMS002', 315.1, 10.5, 'FAIL'])
wb.save('TPMS_test_report.xlsx')openpyxl还支持设置单元格样式、合并单元格、插入图表等高级功能。我一般用它生成带条件格式的报表——PASS的标绿色，FAIL的标红色，一目了然。
注意：openpyxl只能操作.xlsx格式的文件。如果你还在用老旧的.xls格式，需要换用xlrd/xlwt库。不过现在产线基本都升级到.xlsx了，所以openpyxl是首选。
4.6 一次性安装所有库
好了，五个库都介绍完了。你当然可以一个一个pip install。但我个人习惯是，写一个requirements.txt文件，然后一次性安装：
pyvisa==1.13.0
pyvisa-py==0.6.1
pyserial==3.5
numpy==1.24.3
pandas==2.0.3
openpyxl==3.1.2然后执行：
pip install -r requirements.txt这样既方便，又能保证版本一致。产线上最怕的就是「在我电脑上能跑，在你电脑上跑不了」。用requirements.txt锁定版本，能避免很多麻烦。
4.7 验证安装是否成功
最后，写一个简单的验证脚本，确保所有库都能正常导入：
import pyvisa
import serial
import numpy as np
import pandas as pd
import openpyxl
print("所有核心库安装成功！")
print(f"pyvisa版本: {pyvisa.__version__}")
print(f"numpy版本: {np.__version__}")
print(f"pandas版本: {pd.__version__}")
print(f"openpyxl版本: {openpyxl.__version__}")如果没有任何报错，恭喜你，武器库已经搭建完毕。下一章，我们就开始真正动手写代码了。
避坑指南：我曾经在产线部署时，发现某台电脑的pandas版本是1.3.0，而我的代码里用了2.0才有的特性。结果程序直接崩溃。从那以后，我每次部署前都会跑一遍这个验证脚本，确保版本一致。这个习惯救了我很多次。
好，这一章就到这里。五个库，各有各的用途，缺一不可。你想想看，没有pyvisa，你怎么控制仪器？没有pyserial，你怎么和串口设备通信？没有numpy和pandas，你怎么处理海量数据？没有openpyxl，你怎么出报表？
所以，别嫌麻烦，老老实实把这五个库装好。下一章，我们开始写第一个真正的产线测试脚本。