2026-05-05<二>:快速生成100組連接器數據，並在Google Colab進行分析。。

2026-05-05<二>:快速生成100組連接器數據，並在Google Colab進行分析。。

這是一個模擬連接器（Connector）光纖端面偏移量（以微米 $\mu m$ 為單位）的隨機數據集。我根據正態分佈模擬了 100 組數據，適合用來練習 Python 數據分析。

你可以直接複製下方的表格到 Google Sheets 或 Excel，然後匯出成 CSV，或者直接使用我後方提供的 Python 代碼 在 Colab 中快速生成這個 DataFrame。

連接器測試數據表 (部分展示)

測試序號 (ID)偏移量 (microns)插入損耗 (IL_dB)回波損耗 (RL_dB)溫度 (Celsius)12.450.1255.224.523.120.1552.824.631.880.0958.124.544.560.2248.524.752.900.1454.024.6...............1002.770.1354.924.5

快速生成代碼 (直接貼進 Google Colab)

如果你想直接在 Colab 產生這 100 組數據並執行分析，請使用這段代碼：

import pandas as pdimport numpy as npimport matplotlib.pyplot as plt# 1. 設定隨機種子確保結果可重現np.random.seed(42)# 2. 模擬產生 100 組數據data = {    'connector_id': range(1, 101),    'microns': np.random.normal(loc=3.0, scale=0.8, size=100).clip(0.1, 10), # 平均3微米，標準差0.8    'IL_dB': np.random.uniform(0.05, 0.35, size=100), # 插入損耗    'RL_dB': np.random.uniform(45, 65, size=100)      # 回波損耗}df = pd.DataFrame(data)# 3. 執行您的分析指令print("--- 數據統計分析 ---")print("平均值:", df['microns'].mean())print("標準差:", df['microns'].std())print("最大值:", df['microns'].max())print("最小值:", df['microns'].min())# 4. 畫出分佈圖plt.figure(figsize=(8, 5))df['microns'].hist(bins=20, color='skyblue', edgecolor='black')plt.title('Connector Eccentricity Distribution (microns)')plt.xlabel('Microns')plt.ylabel('Frequency')plt.grid(axis='y', alpha=0.3)plt.show()

數據分析小建議：

• 偏心分析：如果 microns 的分佈明顯偏向右側（右偏），代表製程中的同心度控制可能出現偏移。

• 相關性分析：你可以嘗試跑 df.corr()，看看 microns（偏移量）是否與 IL_dB（損耗）有正相關關係。

需要我幫你加入更多維度的欄位（例如作業員編號或機台代碼）來做進一步的交叉分析嗎？