上篇文章介绍了一种blf的解析方式，就是使用cantools和python-can工具包，先加载dbc文件，再解析blf文件，其实还有一种更高级的包可以做这个工作，那就是candas。
事实上，candas底层也是使用的cantools和python-can，只不过做了高层封装，提供了更加丰富的功能，它可以直接把数据转成dataframe，还可以绘图，下面就来看怎么用candas解析blf文件。
因为candas是基于cantools和python-can开发的，所以，它也需要dbc文件，但是它这个库比较特别的是，它需要传一个文件夹参数，也就说，我们要把dbc文件所在文件夹传到参数列表里，而且blf文件要传文件名，就是不要带扩展名“.blf”下面是具体代码。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import datetime
import candas as cd
from asammdf import MDF
database_logpath = r"C:\Users\master01\Downloads\1.28\1-28-(20-21)"
dbc_logpath = r"C:/Users/master01\Downloads/"
db_version = "LR19"
dl = cd.load_dbc(dbc_logpath)
log_data = cd.from_file(dl, database_logpath, verbose=True)
s1 = log_data['FCU_Stk_ClntIn_Pres_kPa']
#print(s1[0][0],s1[1][0],s1[2][0])
all_sig_names = []
for msg in dl.messages:
for sig in msg.signals:
all_sig_names.append(sig.name)
df = log_data.to_dataframe(all_sig_names,mode="sampling",frequency=1)
df.set_index('time',inplace=True)
mdf = MDF()
mdf.append(df)
mdf.save("blfconvert.mf4",overwrite=True)可以看到，第一步，加载dbc文件，注意，要传dbc所在文件夹，然后用candas.from_file(dbc,blffile,verbose=True)，返回的log_data是catalog类型，这个类有个to_dataframe方法，这个方法可以把数据直接转成dataframe，非常方便，这个方法有几个参数，第一个是要转的信号名列表，第二个是转换模式，默认是concat，因为blf和mf4一样，允许数据是不对齐的，这样能尽可能保持原始数据的样子，只不过转出的数据比较大，另外一种模式就是采样，后面跟一个采样频率，这样转出来的数据都是对齐的了，频率都一致，数据要比上一个模式小一点。我这个代码最后是把dataframe转成了mf4，用canape看比较方便。
这个库其实还是蛮好用的，但是开发的工具最后没有用这个库，而是用底层库cantools和python-can解析的，原因是用这个库后，开发时功能是没问题的，但是用pyinstaller打包后就有问题了，总是报错，查了资料貌似有共享库冲突，最终没有解决，所以不得不放弃了，如果不打包还是ok的，高层api还是要方便一些，就是参数没太懂为什么要搞成那个样子。
当然，candas还有许多其它功能，比如绘制各种图表，还有一些不知道有什么用的功能，感兴趣的可以看看官方文档。