1. 项目思路与硬件选型：为什么是 Pico 加 MicroPython
做温度数据记录这个事，很多人第一反应是用电脑加传感器，再写个上位机程序。但真正用过就会发现，用树莓派 Pico 这类单片机来做反而更合适。原因其实很简单：Pico 体积小、价格便宜、功耗低，插上电池就能在角落里连续跑几天甚至几周，不需要像电脑那样占地方还费电。而且 MicroPython 这个解释型语言对硬件操作封装得相当友好，读写文件、操作传感器都是几行代码的事，特别适合快速验证想法。
这也就带出了我最想强调的一点：这个项目真正练的不是“测温度”，而是把 MicroPython 下的文件读写这套基本功彻底吃透。温度传感器只是数据来源的示例，你把 DHT11 换成光照传感器、土壤湿度传感器，代码骨架几乎不用大改。这也是为什么我推荐新手从“温度数据记录”入手，而不是一上来就做复杂的 IoT 上报项目。
1.1 硬件准备清单
这个项目需要的硬件非常少，而且大部分玩 Pico 的人手里应该都有存货：
| 硬件 | 型号建议 | 备注 |
|---|---|---|
| 主控板 | 树莓派 Pico 或 Pico W | Pico W 带 WiFi，但本教程用不到 |
| 温度传感器 | DS18B20（防水探头版） | 买带 4.7kΩ 电阻的套件，省事 |
| 连接线 | 杜邦线公对母若干 | 至少 3 根 |
| 可选 | Micro USB 数据线 | 能传数据和供电即可 |
关于温度传感器，我多聊两句。市面上常见的 DHT11、DHT22 和 DS18B20 我都用过，但做数据记录我强烈推荐 DS18B20，原因有三个：
第一个原因是精度和稳定性。DHT11 的精度是 ±2°C，听着还行，但实际测下来偏差能到 3°C 以上，而且响应速度慢，读数波动大。DS18B20 的精度是 ±0.5°C，分辨率可选 9 到 12 位，做环境温度记录绰绰有余。
第二个原因是接线和协议。DHT11 需要自己写时序控制代码，对时序要求极其严格，一旦系统有中断干扰读数就会错乱。DS18B20 走的是 OneWire 单总线协议，MicroPython 里有现成的onewire和ds18x20库，直接调用就行，稳定得多。
第三个原因更实在——防水。DS18B20 有带不锈钢探头和橡胶线的版本，可以直接扔水里、埋土里测温度。DHT11 裸露在空气中，湿度一大就报废。
1.2 MicroPython 文件系统的特点
既然要做文件读写，就得先了解 Pico 上的 MicroPython 文件系统长什么样。Pico 出厂时带有 2MB 的 Flash 存储，MicroPython 固件会把其中一部分用作文件系统。
这个文件系统的具体格式是LittleFS，和电脑上常见的 FAT32、NTFS 不一样。LittleFS 是专门为嵌入式设备设计的，针对断电写入做了优化，还带断电恢复能力。简单说，即使你在写入过程中突然断电，文件系统也不会整个损坏，最多丢一点刚写的数据。
在 MicroPython 交互式终端里，可以用os模块查看当前目录结构：
import os print(os.listdir('/'))执行后你会看到类似['boot.py', 'main.py']的输出，这就是 Pico 文件系统的根目录。boot.py是开机最先执行的脚本，main.py是主程序入口，MicroPython 启动完boot.py后会自动执行main.py。
这里有个容易踩的坑要提醒一下：Pico 的 Flash 容量有限，写入文件时要注意大小。我用os.statvfs()查过，在 MicroPython 固件下可用空间大约在 1.5MB 左右。记录温度数据如果每 10 秒写一行，24 小时也就 8640 行，按每行 30 字节算，约 260KB，跑一周完全没问题。但如果你打算高频率记录，就得考虑定期清理旧文件，或者把数据上传到远端存储。
2. 文件读写 API 详解：把这几招吃透，Pico 存数据就稳了
文件读写是 MicroPython 中非常基础也非常重要的操作，但很多教程都是一笔带过。这里我把它掰开揉碎了讲清楚，因为后面的温度记录程序好不好用，全看这部分基础牢不牢。
2.1 打开文件的几种模式
在 MicroPython 中操作文件，核心函数就是open()。它的基本用法是：
f = open('data.txt', 'w')open()的第一个参数是文件名，第二个参数是打开模式。我把常用模式整理成了表格：
| 模式 | 说明 | 文件不存在时 | 文件存在时 |
|---|---|---|---|
'r' | 只读 | 报错 | 从头读 |
'w' | 只写，覆盖 | 创建 | 清空后写入 |
'a' | 追加写 | 创建 | 保留原有内容，从末尾追加 |
'x' | 排他创建 | 创建 | 报错（文件已存在） |
'rb'/'wb' | 二进制读/写 | 同上 | 同上 |
我在实际项目中，数据记录类的写入强烈建议用'a'追加模式。原因是设备在断电重启后，如果程序用'w'模式打开文件，会把历史数据全部清空，之前记录的宝贵数据直接没了。用'a'模式则能在原有文件末尾继续写，数据不丢失。
另外要注意的是，MicroPython 的文件系统不支持目录的递归创建。你想写log/2024/temperature.txt，得先手动创建log和log/2024这两个目录。
import os try: os.mkdir('log') except OSError as e: # 目录已存在时会报错，这里直接忽略 pass2.2 写入与读取的完整姿势
写入文件，最稳妥的方式是使用with语句。它能自动处理文件关闭，避免因异常导致文件句柄泄漏：
with open('temperature.txt', 'a') as f: f.write('25.5\n')with语句块的代码执行完后，文件会自动关闭，不需要手动调用f.close()。这个写法有两个好处：一是代码简洁，二是即使写文件过程中抛出异常，文件也会被正确关闭，不会出现数据写入不完整却占用句柄的问题。
读取文件同样可以用with：
with open('temperature.txt', 'r') as f: content = f.read() print(content)如果你的文件很大，一次性read()会很费内存。这时可以按行读取：
with open('temperature.txt', 'r') as f: for line in f: print(line.strip()) # 去掉末尾的换行符2.3 文件写入的急刹车：flush 到底管什么用
这是不少 Pico 玩家的知识盲区。你写完数据后，数据并不会立刻物理写入 Flash，而是先放在内存缓冲区里，等缓冲满了或者文件关闭时才真正落盘。
这个机制在电脑上问题不大，但在嵌入式设备上却很要命。想象一个场景：你的 Pico 正在采集温度数据，写到第 100 条时突然断电。由于缓冲区里的数据还没落盘，前 99 条数据可能都在，但第 100 条丢失，甚至整个文件都可能出现损坏。
解决方法是主动调用flush()强制把缓冲区数据写入存储：
with open('temperature.log', 'a') as f: f.write('26.3\n') f.flush()注意：flush()只是把数据从 MicroPython 的缓冲区推送到文件系统层，还没完全落盘到 Flash。但在实际使用中，这个层次已经足够应对绝大多数意外断电场景了。
那每次写完数据都flush()会不会影响性能？会有一点，但温度数据记录本身写入频率低，每秒甚至每几秒才写一次，这个开销完全可忽略。建议每次写入后都调用flush()，换取数据的绝对可靠。
3. 温度数据记录实战：代码逐段拆解
这一章我们进入核心环节。全程带实操细节，照着抄就能在你的 Pico 上跑起来。
3.1 硬件接线
先看硬件连接。DS18B20 有三个引脚：VCC 接 3.3V，GND 接 GND，信号线 DQ 接 GPIO 引脚。以 Pico 的引脚定义来说，物理引脚 36 是 3.3V，物理引脚 38 是 GND，信号线建议接到 GP0（物理引脚 1）。
接线时要注意：DS18B20 的信号线需要接一个 4.7kΩ 的上拉电阻到 3.3V。很多 DS18B20 模块板载了这颗电阻，你买的如果是不带电阻的裸探头，就得自己在面包板上接一个。没有上拉电阻的后果是传感器完全读不出数据，返回全是 85°C 或错误值。
接好线后，可以先跑一小段代码确认传感器能正常读取：
import machine import onewire import ds18x20 import time # 传感器连接到 GP0 ds_pin = machine.Pin(0) ds_sensor = ds18x20.DS18X20(onewire.OneWire(ds_pin)) roms = ds_sensor.scan() print('找到的温度传感器:', roms) while True: ds_sensor.convert_temp() time.sleep_ms(750) # 等待温度转换完成 for rom in roms: print('温度:', ds_sensor.read_temp(rom)) time.sleep(1)这里有个细节：convert_temp()是触发一次温度转换，然后必须等待至少 750ms才能读取结果。如果没等够时间直接read_temp()，得到的是上一次转换的旧数据。
3.2 添加时间戳：让数据有“上下文”
记录温度如果只记数字，那就失去了记录的意义。你得知道这个温度是什么时候测的。但问题来了，Pico 本身没有实时时钟模块，断电后时间就归零了。
解决思路有几种：
第一种是在程序启动时手动设置时间，适合一次性测试：
import machine import time rtc = machine.RTC() rtc.datetime((2024, 12, 1, 0, 11, 30, 0, 0))rtc.datetime()的八个参数分别是年、月、日、星期、时、分、秒、微秒。注意星期几这里我填 0 表示周一。设置一次后，只要 Pico 不断电，时间就会一直走。
第二种是联网同步时间，适合 Pico W 用户。Pico W 带 WiFi，可以通过ntptime模块从 NTP 服务器自动获取当前时间。这个方案不受断电影响，但需要网络支持：
import network import ntptime wlan = network.WLAN(network.STA_IF) wlan.active(True) wlan.connect('SSID', 'PASSWORD') while not wlan.isconnected(): pass ntptime.settime() # 同步网络时间注意：ntptime同步的时间是 UTC 时区，国内用户需要自己加上 8 小时偏移。这个方案适合 Pico W 玩家，普通 Pico 没网就别折腾了。
对于本教程的测试场景，我建议直接用RTC手动设置时间，够用且省事。
3.3 完整代码：温度数据记录器
把上面的知识点融汇贯通，下面给出一个完整可跑的温度记录程序。这个程序会每 10 秒读取一次温度，写入temperature.log文件，并在每行记录中加入时间戳：
import machine import onewire import ds18x20 import time import os import json # 配置：传感器连接在 GP0 DS_PIN = 0 LOG_FILE = 'temperature.log' INTERVAL_SECONDS = 10 # 初始化温度传感器 ds_pin = machine.Pin(DS_PIN) ds_sensor = ds18x20.DS18X20(onewire.OneWire(ds_pin)) roms = ds_sensor.scan() if len(roms) == 0: print('错误：未找到 DS18B20 传感器') raise SystemExit(1) # 设置 RTC 时间（年, 月, 日, 星期, 时, 分, 秒, 微秒） rtc = machine.RTC() rtc.datetime((2024, 12, 1, 0, 10, 30, 0, 0)) def get_timestamp(): """获取格式化的时间字符串""" year, month, day, _, hour, minute, second, _ = rtc.datetime() return '{:04d}-{:02d}-{:02d} {:02d}:{:02d}:{:02d}'.format( year, month, day, hour, minute, second) def read_temperature(): """读取温度值并返回格式化字符串""" ds_sensor.convert_temp() time.sleep_ms(750) # 等待转换完成 temps = [] for rom in roms: temp = ds_sensor.read_temp(rom) temps.append('{:.2f}'.format(temp)) return ','.join(temps) def log_data(): """写入一条温度数据到日志文件""" timestamp = get_timestamp() temp_str = read_temperature() line = timestamp + ',' + temp_str + '\n' with open(LOG_FILE, 'a') as f: f.write(line) f.flush() # 强制写入 Flash print(line.strip()) # 同时在终端显示 # 主循环 print('温度记录器启动') print('日志文件:', LOG_FILE) runtime_seconds = 0 while True: try: log_data() except Exception as e: print('写入错误:', e) time.sleep(INTERVAL_SECONDS) runtime_seconds += INTERVAL_SECONDS # 每小时输出一次运行状态 if runtime_seconds % 3600 < INTERVAL_SECONDS: print('已运行 {} 小时'.format(runtime_seconds // 3600))这段代码我建议你直接复制到 Thonny 保存为main.py，然后重启 Pico 运行。程序会自动创建日志文件，每 10 秒追加一行数据。
一个小建议：测试阶段把INTERVAL_SECONDS改成 2 秒，可以快速验证程序逻辑正确，确认没问题后再改回 10 秒正式跑。
4. 文件读回、格式化与数据迁移：采集完怎么看数据
数据攒了一堆，问题来了：怎么把这些数据变成能分析的格式？怎么从 Pico 上导出来？
4.1 在 Pico 上直接读取文件
如果只是临时看几眼数据，可以在 MicroPython 的 REPL 环境里直接读文件。启用 Thonny 的 Shell 窗口，执行：
with open('temperature.log', 'r') as f: for line in f: print(line.strip())这种方法适合看最近几条数据。但如果文件很大，全部打印会刷屏，而且 REPL 的终端缓冲区有限，太旧的数据会被挤掉。这时可以加个判断条件，只显示最后 N 行：
lines = [] with open('temperature.log', 'r') as f: lines = f.readlines() # 查看最后 10 行 for line in lines[-10:]: print(line.strip())4.2 把数据文件导出到电脑
Pico 没有直接拖拽文件到电脑的 USB 协议，得借助一点点小技巧。最常用的方法是用rshell工具，它是一个命令行程序，可以通过串口访问 Pico 的文件系统。
安装 rshell：
pip install rshell然后连接 Pico，进入文件传输模式：
rshell -p /dev/ttyACM0在 rshell 的交互环境中，用cp命令把文件复制到电脑：
cp /pyboard/temperature.log /home/pi/data/如果你不想安装额外工具，也可以用 Thonny 的文件面板。在 Thonny 里，视图下拉菜单勾选“文件”，会显示 Pico 上的文件列表。右键点击你想导出的文件，选“下载到电脑”即可。
4.3 数据分析与可视化
数据导出后是 CSV 格式的文本文件，Excel、WPS、Python pandas、MATLAB 通吃。这里说一个用 pandas 分析的小示例：
import pandas as pd df = pd.read_csv('temperature.log', names=['timestamp', 'temperature']) df['timestamp'] = pd.to_datetime(df['timestamp']) df.set_index('timestamp', inplace=True) print(df.describe())如果要画图：
import matplotlib.pyplot as plt df.plot() plt.show()这样就能看到完整的温度变化曲线了。如果是长时间记录比如 24 小时，整个设备也会给你很好的温度变化趋势。
5. 常见的坑与排错心得
最后分享一些实测中遇到的问题。这些坑网上很多教程不会写，但确实会拦住不少人。
5.1 传感器扫描不到设备
ds_sensor.scan()返回空列表，这是刚接触 DS18B20 时最常见的问题。大概率原因是线接错了或者上拉电阻缺失。先检查 VCC、GND、DQ 三根线是否各就各位，再确认 DQ 脚到 3.3V 之间是否接了一个 4.7kΩ 电阻。
还有一个隐蔽坑：某些 USB 数据线只有供电线没有数据线，导致 Thonny 连不上 Pico 或运行不稳定。换一根确认过的数据线试试。
5.2 文件名不能乱取
MicroPython 的 LittleFS 文件系统对文件名有字符限制，某些在电脑上合法的字符在 Pico 上会报错。我试过用冒号:和时间戳拼文件名，直接抛出 OSError。
保险做法是只用大小写字母、数字、短横线和下划线。时间戳我用连字符分隔而不是冒号：
filename = 'log-2024-12-01-10-30.log' # 合法5.3 写入 flvsh 频率过高
温度记录可能十分钟写一次，没问题。但假如你设计的是一个高速数据记录器，每秒写几十次，就得考虑 Flash 寿命问题了。Flash 的擦写次数是有限制的，典型值在 1 万到 10 万次之间。长期高频写入会缩短 Flash 寿命。
解决方案有两个方向：一是把多条数据攒在内存里，每满一定数量或固定时间间隔再批量写入一次；二是外接 TF 卡，用 SD 卡模块存放高频数据，Pico 内置 Flash 只跑系统。
5.4 电池供电下时间的漂移
如果你的 Pico 用电池供电并长时间运行，RTC 的时钟会逐渐漂移。我用树莓派 Pico 实测过，常温下一天大约漂移 1 到 3 秒。对于温度记录这种分钟级采样场景完全可以忽略，但如果做高精度时间记录，就需要外接带电池的 DS3231 时钟模块。
5.5 文件被写入半行导致解析失败
如果记录过程中 Pico 意外断电，最后一行可能会不完整（比如只写到2024-12-01 10:30,23.就断电了）。用 pandas 读取时会报解析错误。建议读取时加error_bad_lines=False参数跳过坏行：
df = pd.read_csv('temperature.log', names=['timestamp', 'temperature'], error_bad_lines=False)或者在自己的数据读取代码里跳过长行或不符合格式的行。
5.6 存储写满的处理
跑几天后temperature.log会越来越大，最终把 Flash 塞满。解决方案是在程序里加入磁盘空间检查，一旦可用空间低于阈值就自动轮转文件，比如把当前日志重命名为temperature-20241201.log，然后新建一个空日志继续写：
import os def check_and_rotate(): stat = os.statvfs('/') free_bytes = stat[0] * stat[3] # 块大小 × 空闲块数 if free_bytes < 50 * 1024: # 低于 50KB 时轮转 timestamp = time.strftime('%Y%m%d%H%M') os.rename('temperature.log', 'temperature-%s.log' % timestamp)这个方案相当于做了一次简单的日志轮转，保证设备能长期稳定运行不用人工干预。
6. 扩展思路：从文件记录到更多实战
掌握了 MicroPython 文件读写的基础，能做的事情其实远不止温度记录。我把这个能力延伸一下，你能立刻联想到很多实际应用场景。
场景一：农田环境监测站。用 Pico 接土壤湿度传感器、光照传感器和 DS18B20。每隔 30 分钟记录一次所有数据，存成 CSV。在田间跑上一个生长季度，把存数据的 SD 卡取回来，就能在电脑上分析出最适宜作物生长的环境参数范围。这个做法已经被很多智慧农业爱好者验证过，成本几十块钱。
场景二：家庭能源审计。Pico 接个电流互感器模块，记录家里大功率电器的启停规律。24 小时的数据全记录在文件里，通过数据分析能发现冰箱每天启停多少次、空调一个晚上平均运行多久。有了这些基础数据，优化用电方案就不是猜测而是有据可依。
场景三：物联网边缘缓存。如果 Pico W 通过 WiFi 上报数据到云平台，网络偶尔中断是常有的事。你可以在本地文件系统里缓存未上报的数据，网络恢复后在断点处续传。这样既保证数据完整，也不用为数据上传失败写复杂的逻辑。MicroPython 的文件系统天然适合做这个事。
场景四：设备运行日志。自制设备跑久了，出问题怎么排查？在关键节点写日志到文件里，比如启动时间、传感器异常记录、内存占用情况。设备出故障时，读一下日志文件就能定位问题。生产级的嵌入式设备都会这么做，你的小项目同样应该。
文件记录能力是整个数据链路的地基。温度也好，湿度也好，电压也好，核心都是“定期采样 + 可靠存储 + 方便读取”，这恰恰是本教程三个模块对应的能力。
最后再说一个我个人的小习惯。每次给 Pico 写完程序，我都会在代码开头加几行注释，标注硬件接线、时间设置说明和近期修改记录。嵌入式项目一放就是几个月，下次翻出来改数据时，这些信息能救老命。也算是给将来的自己省点事。
