在前面的基础上对设备外形和后续数据分析进行了优化。

之前的版本中，使用各种接线器把模块连接起来，然后不管三七二十一塞到一个笔筒里边，多少有点凌乱，这不符合我的风格，所以抽空要理一下的。另外当时使用的移动电源已经服役多年，输出电压不稳，也需要更换。所以这次找了另外一块长方形闲置移动电源。

这次具体就是干了两件事情：1）优化线束连接，把之前大量使用的接线器换下来，缩小空间占用；2）固定各个模块，使之紧凑稳固一点。

但我发现，要整合这些东西，想做得紧凑美观，也是非常不容易的事情。我既没有合适的外壳材料，也没有外壳加工能力（后面有空设计三维模型去打印）。所以这里只能是组合应用扎带，纸板，纳米胶等材料来做好固定。而线束啥的，幸亏之前买了一些热缩管，不然还会更加丑陋。

成果如上图所示，现在它可以称之为【具有环境监测功能的移动电源】。打开手机热点，这个设备还能自动连接并上传数据。然后通过一段代码可以查看各项测量值的变化。这里我也进行了一些优化，用户只需要输入测量的大致时间段，就能够专门根据这段时间内发生的测量数据绘制图表。

从结果来看，车内因为夏季高温会积聚大量的二氧化碳和有机挥发物。所以上车后务必开窗通风一段时间，然后行驶途中开启空调外循环。为了简化和美化后续数据分析，我对代码也进行了调整。具体代码如下：

# 选取特定片段，只需要修改这里即可
start = "2024-08-03 06:00:00"
end = "2024-08-03 18:00:00"

import pandas as pd
from datetime import datetime
import matplotlib.pyplot as plt
import seaborn as sns
import requests 

# 下载数据到本地
url = 'https://sheldonxxd.cn/data.txt'
r = requests.get(url)
with open("data.txt", 'wb') as f:
    f.write(r.content)

# 读取全部数据
with open("data.txt") as f:
    lines = f.readlines()

box = []
for a in lines:
    b = a.strip()
    cs =b.split(" ")
    if len(cs)==3:
        date = cs[0]
        time = cs[1]
        info = cs[2]
        ds = info.split("_")
        if len(ds)==5:
            temp = float(ds[0])
            humid = int(ds[1])
            CO2 = int(ds[2])
            TVOC = int(ds[3])
            device = ds[4]
            box.append([device, temp, humid, CO2, TVOC, datetime.fromisoformat(date+ " "+time)])
data = pd.DataFrame(box, columns=['device', 'temperature', 'humidity', 'CO2', 'TVOC', 'time'])

# 根据设定时间段提取数据
data2 = data[(data['time']>datetime.fromisoformat(start))&\
             (data['time']<datetime.fromisoformat(end))
             ]

plt.figure(figsize=(10,4))
plt.subplot(221)
sns.lineplot(x='time', y='temperature', c='red', data=data2)
plt.ylabel('Temperature (℃)')
plt.xticks(rotation=5)

plt.subplot(222)
sns.lineplot(x='time', y='humidity', c='blue', data=data2)
plt.ylabel('Humidity (%)')
plt.xticks(rotation=5)

plt.subplot(223)
sns.lineplot(x='time', y='CO2', c='green', data=data2)
plt.ylabel('$CO_{2}$ (ppm)')
plt.xticks(rotation=5)

plt.subplot(224)
sns.lineplot(x='time', y='TVOC', c='orange', data=data2)
plt.ylabel("TVOC (ppb)")
plt.xticks(rotation=5)

plt.tight_layout()
plt.show()

这里主要是利用 python 的 pandas 模块来处理数据，特别是根据日期时间来截取数据片段。还有一个就是使用 matplotlib 作图的时候，这里使用了最简单的布局设置，还有坐标轴中使用下角标的方式（类似 latex 语法），以及对 x 轴 ticks 的旋转处理。简单记录下来，备忘。