fit parse解析佳明.fit 运动数据，模仿zwift数据展示

fitparse是一个用于解析 Garmin .FIT 文件的Python库。

本文中主要用到fitparse库来解析、提取数据；maplotlib库用来进行可视化绘制。

定义get_fit_list函数，其功能为：读取fit文件中的全部数据，并返回一个list。

使用fitparse.FitFile()函数读取fit文件，返回一个FitFile对象，使用list方法将其转换成list，其中每个元素为一个DataMessage对象。

def get_fit_list(file_name):
    m_fit_file = fitparse.FitFile(file_name)
    return list(m_fit_file.get_messages())

获取数据list后，使用DataMessage.get_value()方法获取指定的字段。例如heartrate、 power、 cadence等。

    m_fit_file = get_fit_list(file_name)
    for i in m_fit_file:
        m_heart_rate.append(i.get_value('heart_rate'))
        m_power.append(i.get_value('power'))

matplotlib参数进行初始设置：

    matplotlib.rc('figure', figsize=(40, 10))  # 图片大小,单位厘米
    matplotlib.rc('font', size=20)  # 字体大小
    matplotlib.rc('axes', grid=False)  # 是否显示网格
    matplotlib.rc('axes', facecolor='white')  # 背景颜色
    plt.title('Entire Workout')
    plt.xlabel('Time(s)')  # 横坐标

划分功率区间zone1到zone7，将功率数据分类，具体分类见下表：

zone1	主动恢复区	FTP的55%以下
zone2	有氧耐力区	FTP的55%~75%
zone3	节奏强度或高阶有氧区	FTP的75%~90%
zone4	乳酸强度区	FTP的90%~105%
zone5	最大摄氧量强度区	FTP的105%~120%
zone6	无氧能力强度区	FTP的120%~150%
zone7	神经肌肉能力区	FTP的150%以上

详细内容参考开元老师的小课堂：如何划分自行车功率训练强度区 - 知乎Note:本文引自我们的公号“LOCOMO耐力运动研究院”： 如何划分功率训练强度区上期我们介绍了FTP的定义及测试方法。今天来聊一聊有了FTP之后该做什么？其实通常来说，当我们测好FTP，会把其当做一个基准值，由此就…https://zhuanlan.zhihu.com/p/356084873

data_len = len(m_power)
    z1 = [0] * data_len
    z2 = [0] * data_len
    z3 = [0] * data_len
    z4 = [0] * data_len
    z5 = [0] * data_len
    z6 = [0] * data_len
    z7 = [0] * data_len
    for i in range(len(m_power)):
        df = m_power[i]
        if df != None:
            if df >= 0 and df <= 0.5 * ftp:
                z1[i] = df
            if df > 0.5 * ftp and df <= 0.75 * ftp:
                z2[i] = df
            if df > 0.75 * ftp and df <= 0.9 * ftp:
                z3[i] = df
            if df > 0.9 * ftp and df <= 1.05 * ftp:
                z4[i] = df
            if df > 1.05 * ftp and df <= 1.2 * ftp:
                z5[i] = df
            if df > 1.2 * ftp and df <= 1.5 * ftp:
                z6[i] = df
            if df > 1.5 * ftp:
                z7[i] = df

绘制心率曲线图，并标记max heart rate：

    plt.plot(m_heart_rate, label='HeartRate', linewidth=1, color='red')
    max_HR = max(m_heart_rate)
    max_HR_Index = m_heart_rate.index(max_HR)
    max_hr = 'Max HR:' + str(max_HR)
    plt.annotate(max_hr, (max_HR_Index, max_HR), color='red')

 根据功率区间按照不同颜色绘图：

    _x = np.arange(len(m_power))
    plt.bar(_x, z1, color='grey')
    plt.bar(_x, z2, color='royalblue')
    plt.bar(_x, z3, color='lime')
    plt.bar(_x, z4, color='orange')
    plt.bar(_x, z5, color='red')
    plt.bar(_x, z6, color='firebrick')
    plt.bar(_x, z7, color='darkred')
    plt.savefig("fit_analyze.jpg")

绘图结果：