python解析佳明fit文件

最新推荐文章于 2024-09-28 07:45:55 发布
最新推荐文章于 2024-09-28 07:45:55 发布
阅读量3.8k 收藏 9
点赞数 5
分类专栏： 佳明 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46419189/article/details/123147050
版权
本文介绍了如何使用fitparse库解析佳明fit运动数据文件，包括获取file_id、session和record等关键信息，如运动类型、起止时间、GPS点、速度、功率和心率等数据。通过示例代码展示了如何提取和转换这些信息，为运动数据分析提供便利。
摘要由CSDN通过智能技术生成

使用 fitparse 解析 佳明 fit 文件

以下示例测试环境为:

python 3.8
fitparse 1.2

fitparse

安装

pip3 install fitparse

使用方式

import fitparse
from datetime import timedelta

def get_message(file_name):
    file = fitparse.FitFile(file_name)
    # message = file.get_messages()	 # 返回一个生成器  其中每一项都可以看作是一行数据
    message = file.messages  # 等同于 list(file.get_messages())
    for item in message:
        # 获取每一行数据的名称,其中有几个名称非常关键:
        # item.name == 'file_id' (唯一) 一般位于第一行,里面包含该fit文件的编号ID
        # item.name == 'session' (唯一) 一般位于倒数第几行,里面包含该fit文件的所有聚合信息,各种平均数,极值,功率区间,起止时间,运动类型,等等
        # item.name == 'record' (非常多) 每一个record就代表一个GPS点的信息
        print(item.name)
        
        # 获取每一行的所有信息
        print(item.as_dict())
        
        # 获取特定行的所有信息,比如 file_id 这行
        # 注:实际使用时,建议 将 'file_id','session' 都打印出来放在一个py文件里,随时查看使用 'record'也可以随意打印一个
        if item.name == 'file_id':
            print(item.as_dict())
        
        # 获取行中某个特定的值 比如 获取该fit文件的运动类型 和起止时间
        # 注: 运动类型包含在 名称为 'session' 的行里面,键名为 'sport'
        if item.name == 'session':
            print(item.get_value('sport'))	# 运动类型 >>> 'cycling'
            # 转成国内时间需要加8小时
            # 如果你直接获取时间戳 item.get_raw_value('start_time'),请注意,佳明的时间戳是从1989.12.31 00:00:00 开始的
            start_time = item.get_value('start_time') + timedelta(hours=8)
        	end_time = item.get_value('timestamp') + timedelta(hours=8)
        
        """
        	获取所有点的GPS数据
        	佳明在fit文件中使用的是 semicircles(圆度值) 来记录GPS,比通用的wgs84要更加精准,转换关系如下
        	degrees = semicircles * ( 180 / 2^31 )
			semicircles = degrees * ( 2^31 / 180 )
        """
        try:
            print(item.get_value('position_lat') * (180 / 2 ** 31), item.get_value('position_long') * (180 / 2 ** 31))
            print(item.as_dict())
        except TypeError:
            continue

附件

file_id 行内(部分)信息展示

该信息只作为参考,实际使用时,请自己打印该行信息:

import datetime

file_id = {'name': 'file_id', 'fields': [
    # serial_number 文件编号 类型:int 
    {'name': 'serial_number', 'def_num': 3, 'base_type': 'uint32z', 'type': 'uint32z', 'units': None, 'value': 3950...83, 'raw_value': 3950...83},
    {'name': 'time_created', 'def_num': 4, 'base_type': 'uint32', 'type': 'date_time', 'units': None, 'value': datetime.datetime(2018, 1, 24, 4, 52, 23), 'raw_value': 885703943},
    {'name': 'manufacturer', 'def_num': 1, 'base_type': 'uint16', 'type': 'manufacturer', 'units': None, 'value': 'garmin', 'raw_value': 1},
    {'name': 'garmin_product', 'def_num': 2, 'base_type': 'uint16', 'type':'garmin_product', 'units': None, 'value': 2533, 'raw_value': 2533},]}

session 行内(部分)信息展示

session 内都是当前fit文件的聚集信息

该信息只作为参考,实际使用时,请自己打印该行信息:

session = {'name': 'session', 'fields': [
    # 结束时间
    {'name': 'timestamp', 'def_num': 253, 'base_type': 'uint32', 'type': 'date_time', 'units': None, 'value': datetime.datetime(2018, 3, 25, 10, 26, 57), 'raw_value': 890908017},
    # 开始时间
    {'name': 'start_time', 'def_num': 2, 'base_type': 'uint32', 'type': 'date_time', 'units': None, 'value': datetime.datetime(2018, 3, 25, 0, 17, 20), 'raw_value': 890871440},
	.
    .
    .
    # 运动时间
    {'name': 'total_timer_time', 'def_num': 8, 'base_type': 'uint32', 'type': 'uint32', 'units': 's','value': 25048.871, 'raw_value': 25048871},
    # 总里程
    {'name': 'total_distance', 'def_num': 9, 'base_type': 'uint32', 'type': 'uint32', 'units': 'm', 'value': 88924.04,'raw_value': 8892404},
    .
    .
    .
    {'name': 'time_in_hr_zone', 'def_num': 65, 'base_type': 'uint32', 'type': 'uint32', 'units': 's',
     'value': (778.726, 5631.959, 7464.129, 4913.151, 4478.913, 1204.132, 0.0),
     'raw_value': (778726, 5631959, 7464129, 4913151, 4478913, 1204132, 0)},
    # 功率区间
    {'name': 'time_in_power_zone', 'def_num': 68, 'base_type': 'uint32', 'type': 'uint32', 'units': 's',
     'value': (13527.302, 1585.171, 1841.759, 990.07, 935.986, 813.014, 1078.521, 1631.342, 0.0, 0.0),
     'raw_value': (13527302, 1585171, 1841759, 990070, 935986, 813014, 1078521, 1631342, 0, 0)},
    .
    .
    .
    # 消耗卡路里
    {'name': 'total_calories', 'def_num': 11, 'base_type': 'uint16', 'type': 'uint16', 'units': 'kcal', 'value': 1979,'raw_value': 1979},
    # 速度
    {'name': 'avg_speed', 'def_num': 14, 'base_type': 'uint16', 'type': 'uint16', 'units': 'm/s', 'value': 3.55,'raw_value': 3550},
    {'name': 'max_speed', 'def_num': 15, 'base_type': 'uint16', 'type': 'uint16', 'units': 'm/s', 'value': 15.76,'raw_value': 15760},
    # 功率
    {'name': 'avg_power', 'def_num': 20, 'base_type': 'uint16', 'type': 'uint16', 'units': 'watts', 'value': 83,'raw_value': 83},
    {'name': 'max_power', 'def_num': 21, 'base_type': 'uint16', 'type': 'uint16', 'units': 'watts', 'value': 1591,'raw_value': 1591},
    # 总爬升 与下降
    {'name': 'total_ascent', 'def_num': 22, 'base_type': 'uint16', 'type': 'uint16', 'units': 'm', 'value': 626,'raw_value': 626},
    {'name': 'total_descent', 'def_num': 23, 'base_type': 'uint16', 'type': 'uint16', 'units': 'm', 'value': 647,'raw_value': 647},
    # 得分?
    {'name': 'training_stress_score', 'def_num': 35, 'base_type': 'uint16', 'type': 'uint16', 'units': 'tss','value': 770.3, 'raw_value': 7703},
    {'name': 'intensity_factor', 'def_num': 36, 'base_type': 'uint16', 'type': 'uint16', 'units': 'if', 'value': 1.113,'raw_value': 1113},
    # 运动类型
    {'name': 'sport', 'def_num': 5, 'base_type': 'enum', 'type': 'sport', 'units': None, 'value': 'cycling','raw_value': 2},
    # 子类型?
    {'name': 'sub_sport', 'def_num': 6, 'base_type': 'enum', 'type': 'sub_sport', 'units': None, 'value': 'generic','raw_value': 0},
    # 心率
    {'name': 'avg_heart_rate', 'def_num': 16, 'base_type': 'uint8', 'type': 'uint8', 'units': 'bpm', 'value': 128,'raw_value': 128},
    {'name': 'max_heart_rate', 'def_num': 17, 'base_type': 'uint8', 'type': 'uint8', 'units': 'bpm', 'value': 179,'raw_value': 179},
    # 踏频
    {'name': 'avg_cadence', 'def_num': 18, 'base_type': 'uint8', 'type': 'uint8', 'units': 'rpm', 'value': 68,'raw_value': 68},
    {'name': 'max_cadence', 'def_num': 19, 'base_type': 'uint8', 'type': 'uint8', 'units': 'rpm', 'value': 172,'raw_value': 172},]}
    .
    .
    .

record 行内(部分)信息展示

每个record都是一个GPS点, 里面都是当前GPS点的瞬时信息

该信息只作为参考,实际使用时,请自己打印该行信息:

record = {'name': 'record', 'fields': [
    # 时间戳 和 经纬度
    {'name': 'timestamp', 'def_num': 253, 'base_type': 'uint32', 'type': 'date_time', 'units': None,'value': datetime.datetime(2018, 3, 25, 10, 19, 11), 'raw_value': 890907551},
    {'name': 'position_lat', 'def_num': 0, 'base_type': 'sint32', 'type': 'sint32', 'units': 'semicircles','value': 365908323, 'raw_value': 365908323},
    {'name': 'position_long', 'def_num': 1, 'base_type': 'sint32', 'type': 'sint32', 'units': 'semicircles','value': 1241201927, 'raw_value': 1241201927},
    # 当前里程
    {'name': 'distance', 'def_num': 5, 'base_type': 'uint32', 'type': 'uint32', 'units': 'm', 'value': 86430.14,'raw_value': 8643014},
    {'name': 'accumulated_power', 'def_num': 29, 'base_type': 'uint32', 'type': 'uint32', 'units': 'watts','value': 1801134, 'raw_value': 1801134},
    # 海拔
    {'name': 'enhanced_altitude', 'def_num': 78, 'base_type': 'uint32', 'type': 'uint32', 'units': 'm','value': 452.79999999999995, 'raw_value': 452.79999999999995},
    {'name': 'altitude', 'def_num': 2, 'base_type': 'uint16', 'type': 'uint16', 'units': 'm','value': 452.79999999999995, 'raw_value': 4764},
    # 速度
    {'name': 'enhanced_speed', 'def_num': 73, 'base_type': 'uint32', 'type': 'uint32', 'units': 'm/s', 'value': 8.659,'raw_value': 8.659},
    {'name': 'speed', 'def_num': 6, 'base_type': 'uint16', 'type': 'uint16', 'units': 'm/s', 'value': 8.659,'raw_value': 8659},
    # 功率
    {'name': 'power', 'def_num': 7, 'base_type': 'uint16', 'type': 'uint16', 'units': 'watts', 'value': 191,'raw_value': 191},
    # 心率
    {'name': 'heart_rate', 'def_num': 3, 'base_type': 'uint8', 'type': 'uint8', 'units': 'bpm', 'value': 151,
     'raw_value': 151},
    # 踏频
    {'name': 'cadence', 'def_num': 4, 'base_type': 'uint8', 'type': 'uint8', 'units': 'rpm', 'value': 95,'raw_value': 95},
    # 温度
    {'name': 'temperature', 'def_num': 13, 'base_type': 'sint8', 'type': 'sint8', 'units': 'C', 'value': 20,'raw_value': 20},]}

在这里插入图片描述

fitreader:一个用于解析和解码.FIT文件的Deno库
03-13
FitReader 这是一个Deno库，在很大程度上是Ruby 库的端口。 它能够解析和解码.FIT文件，.FIT文件是GPS设备和各种传感器使用的二进制数据格式。 应当指出，它只是经过测试并证明支持我的Garmin Venu .FIT文件以及我在其他存储库中找到的一些.FTI文件。 YMMV。 它的API占用空间非常小，公开了一个能够处理所有处理的类。 用法 参见
pygarmin:适用于Garmin活动数据的Python分析工具
04-30
派格明 适用于Garmin活动数据的Python分析工具 跑步 python minimalreport.py /path/to/activity.tcx ``` to generate a small report of your data. Files appear at the tcx file location.
Python-FitParse 项目教程
最新发布
gitblog_00033的博客
09-28 980
Python-FitParse 项目教程 python-fitparse Python library to parse ANT/Garmin .FIT files 项目地址: https://gitcode.com/gh_mir...
探索Python Fitparse：运动数据解析利器
gitblog_00058的博客
04-25 569
探索Python Fitparse：运动数据解析利器 python-fitparse Python library to parse ANT/Garmin .FIT files 项目地址: https://gitcode.com/gh_mirrors/py/pyt...
python-fitparse:用于解析ANTGarmin .FIT文件的Python库
05-12
python-fitparse 这是一个用于解析ANT / Garmin .FIT文件的Python库。 从安装 ： pip install fitparse FIT文件 FIT文件包含以二进制文件格式存储的数据。 FIT（灵活和可互操作数据传输）文件协议由指定。 可以在找到该SDK，代码示例和详细文档。 用法 一个从拟合文件中打印记录的简单示例： import fitparse # Load the FIT file fitfile = fitparse . FitFile ( "my_activity.fit" ) # Iterate over all messages of type "record" # (other types include "device_info", "file_creator", "event", etc) for record in fit
fit文档解析
m0_62719289的博客
05-30 1870
文件包含多个数据帧，每个数据帧包含一些数据字段，这些数据字段对应于特定健身活动的特定事件或统计信息。对于不同的健身设备和健身活动（如跑步、骑行、游泳等），每个。是一种二进制文件格式，用于存储健康和健身设备（如个人训练计算机、心率显示屏、自行车计算机等）生成的健康和健身数据。#以下执行版本为python2.7 fitparse版本23.1.2 既1.2.0。推荐将其改为fitdecode(不支持python2)改版本可能已经不适用于python2.7.2。文件可能具有不同的数据帧类型和字段。
php-fit-file-analysis, 一个PHP类，用于分析由 Garmin GPS 设备创建的FIT文件.zip
09-18
php-fit-file-analysis, 一个PHP类，用于分析由 Garmin GPS 设备创建的FIT文件 phpFITFileAnalysis用于分析 Garmin GPS 设备创建的FIT文件的PHP (> = v5.4 ) 类。演示 ( 右键单击并在 new tab打开)演示屏幕截图 如果
fit parse解析佳明.fit 运动数据，模仿zwift数据展示
qq_41473768的博客
12-26 2988
fit parse解析佳明.fit 运动数据，模仿zwift数据展示。
Python读取骑行fit文件
qq_36321330的博客
07-18 4972
有一天，我使用wahoo码表骑行记录了一段没有心率带的数据，导出fit文件至电脑。上传至捷安特APP，结果说数据不完整，此时想用代码把心率数据添加到fit文件中。
fit-tools:在发生灾难时读取操作 Garmin FIT 文件的工具
06-05
6. **使用fit-tools**：安装完成后，你可以使用`fitdump`或其他工具来解析FIT文件，例如`fitdump example.fit`将显示文件中的详细信息。 fit-tools的功能可能包括但不限于： - 数据解析：显示FIT文件的结构和内容...
easy-fit:直接从JS轻松解析.FIT文件
05-24
注意：该库当前正在重写。 容易安装 直接从JS轻松解析您的.FIT文件。 写在ES6中。 安装 $ npm install easy-fit --save 如何使用 在文件夹中查看： // Require the module var EasyFit = require ( './../dist/easy-fit.js' ) . default ; // Read a .FIT file var fs = require ( 'fs' ) ; fs . readFile ( './example.fit' , function ( err , content ) { // Create a EasyFit instance (options argument is optional) var easyFit = new EasyFit ( { force : true
garmin-connect-export：从您的Garmin Connect帐户下载gpx，tcx或原始fit文件
02-06
garmin-connect-export 从您的Garmin Connect帐户下载gpx，tcx或原始fit文件。 描述 该脚本从您的个人Garmin Connect帐户下载gpx，tcx或原始fit文件。 所有下载的数据将进入一个名为YYYY-MM-DD_garmin_connect_export/的工作目录。 活动详细信息（例如活动标题或活动描述）将使用“活动ID”保存在一个单独的JSON文件中，该文件名为activities.json 。 此JSON可用于将数据解析为其他数据源。 如果没有GPS跟踪数据（例如由于室内跑步机锻炼），则仍将保存数据文件。 如果使用GPX格式，则活
CSV2FIT:该代码将WGS-84坐标从CSV文件转换为Garmin FIT课程文件
05-07
CSV2FIT 该代码将WGS-84坐标从CSV文件转换为Garmin FIT课程文件。 基于版本16，此代码将CSV文件（可以从下载）转换为Garmin FIT课程文件，以上传到Forerunner 910XT等。设备。 请注意，FIT文件结构与FIT SDK下载中包含的官方课程文件规范稍有不同。 从Garmin Express上传文件中进行了一些逆向工程，结果表明至少我的设备需要其他事件消息，而不是将实验消息包含在FIT二进制文件中。 随意重用和增强您自己项目的代码，当然，风险自负。
Fit2Gpx:将包含 .fit 格式的 GPS 数据的文件和文件夹转换为 .gpx
06-09
将包含 .fit 格式的 GPS 数据的文件和文件夹转换为 .gpx 要求 获取最新版本的 GPSbabel： ://www.gpsbabel.org 如何使用 将文件、文件夹和/或两者拖放到 CMDlet 上。 该脚本会将所有 .fit 文件传递​​给 GPSbabel ...
FIT文件格式解析及MATLAB读取程序
热门推荐
ShiZhixin的专栏
12-14 1万+
FIT文件格式解析 （http://blog.csdn.net/shizhixin，Email: zxshi@nlpr.ia.ac.cn,2011年12月）  摘要：本文档主要介绍了用UltraEdit查看FIT文件及简要的说明了FIT文件的数据存储方式，并附上了FIT文件数据读取及保存为TXT的MATLAB程序。此外，通过读取lamda的相关信息，文中还显示了5条FIT文件中读取出来的光谱。
小程序中fit格式等运动数据文件怎样实现可视化
Min_nna的博客
04-18 1314
要在小程序中实现 FIT（Flexible and Interoperable Data Transfer）格式等运动数据文件的可视化，主要涉及到三个步骤：解析 FIT 文件、处理数据、以及数据可视化。
【你找不到的代码】通过 Java 解析 Fits 文件（天文数据）
激流丶的博客
07-27 6167
Fits（Flexible Image Transport System）文件是一种用于存储和传输天文图像和数据的文件格式。Fits文件最初由NASA和国际天文学联合会（IAU）共同开发，用于满足天文学研究中对数据存储和传输的需求。Fits文件可以包含天文图像、光谱数据、天体目录等多种类型的天文学数据。 Fits文件采用二进制格式存储数据，并且具有灵活的结构，可以容纳各种类型和大小的数据。它可以存储多维数组数据，支持多种数据类型，如整数、浮点数和字符串。此外，Fits文件还可以包含元数据（Header）信
在Python中FITS格式文件数据的读取 （转载）
weixin_39597875的博客
12-05 5773
在Python中FITS格式文件数据的读取 （转载） 标签： python fits文件 天文 计算机 数据处理 分类： 天文 前言     \space\space\space\space    FITS(Flexible Image Transport System)格式文件是天文学数据储存的公用文件格式，在国际的天文数据存储与传输中担任着十分重要的角色。但是这种文件格式在其他科学领域并不常用，造成这方面的文件资料并不多，尤
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值