小明: 嗨，小红，我最近在研究如何构建一个智慧校园系统，你有什么好的建议吗？
小红: 当然，智慧校园系统的关键在于物联网技术和数据分析。首先，我们需要部署各种传感器来收集数据，比如温度、湿度和人员流动情况。
小明: 那我们应该怎么开始呢？
小红: 我们可以从简单的传感器数据采集开始。这里有一个Python代码示例，用于读取DHT11传感器的数据：
import Adafruit_DHT
sensor = Adafruit_DHT.DHT11
pin = 4
humidity, temperature = Adafruit_DHT.read_retry(sensor, pin)
if humidity is not None and temperature is not None:
print(f"Temperature: {temperature:.1f} C, Humidity: {humidity:.1f} %")
else:
print("Failed to retrieve data from humidity sensor")
小明: 这看起来不错，但我们需要将这些数据存储起来以便后续分析。
小红: 是的，我们可以使用SQLite数据库来存储这些数据。这里是一个简单的Python脚本，用于将传感器数据插入到SQLite数据库中：
import sqlite3
conn = sqlite3.connect('campus_data.db')
c = conn.cursor()
c.execute('''CREATE TABLE IF NOT EXISTS sensor_data (timestamp TEXT, temperature REAL, humidity REAL)''')
c.execute("INSERT INTO sensor_data (timestamp, temperature, humidity) VALUES (datetime('now'), ?, ?)", (temperature, humidity))
conn.commit()
conn.close()
小明: 很棒！那么我们如何利用这些数据进行智能管理呢？
小红: 我们可以使用数据分析工具，如Pandas和Matplotlib，来分析数据并生成报告。例如，我们可以分析某段时间内的温度变化趋势：
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_sql_query("SELECT * FROM sensor_data", conn)
df['timestamp'] = pd.to_datetime(df['timestamp'])
df.set_index('timestamp', inplace=True)
df['temperature'].plot()
plt.title('Temperature Trend')
plt.ylabel('Temperature (°C)')
plt.show()
小明: 看来智慧校园系统的实现确实需要多方面的技术支持，感谢你的分享！
小红: 不客气，希望这对你有所帮助！