如何使用Python联合CST仿真之导出S参数

从笔者一开始接触CST仿真的时候就知道它可以通过VBA以及Python进行联用，但是一直不知道怎么做。在仿真过程中，随着仿真数量的增多，如果仿真数量达到几百甚至上千，或者好几千的时候，导出S参数是一个比较困难的事情，一部分一部分导出又太过费时间，而且文件太大，容易崩溃。

最近，笔者走通了一条使用Python代码导出CST仿真S参数结果的一个方法，这个方法对于电脑配置没有要求，非常好用：

笔者首先使用的CST版本是2025版本，别的版本应该差不多，右键仿真图标，打开文件位置，笔者位置如下

C:\Program Files (x86)\CST Studio Suite 2025\AMD64

在这个文件夹里面找到python.bat

这是一个批处理脚本，就是打开自带的python软件，打开之后如下界面

import sys, os

print(f"Python版本: {sys.version[:10]}")

print(f"解释器位置: {sys.executable}")

print(f"安装根目录: {sys.prefix}")

print(f"当前工作目录: {os.getcwd()}")

这五行代码，其中第一行需要解释一下，就是python这个相当于是一个工匠，可以做很多事，但是没有工具箱不行，做铁匠就要用到铁匠工具箱，做木匠就要用到木匠工具箱，所以import这一步就是导入后面需要的工具箱，所以很多python代码都需要import，因为python没有工作去，也不会保存上一次导入的工具，所以每一次运行代码都需要导入工具箱。上面这五行就是让你知道自己的python在哪的

同时，不同版本的python还需要确定一下就是自己depython有没有链接到CST，所以可以用如下代码确认一下

import cst

print(cst.__file__) # should print '<PATH_TO_CST_AMD64>\python_cst_libraries\cst\__init__.py'

这个是官方介绍的，验证方法

正常的就会显示自己的CST安装位置了

然后，我们确定之后，现在，处于python已经运行的环境中，然后，我们需要准备好的就是已经仿真好的文件，假如我们要导出的就是S11，在CST里面的导航树是

"1D Results\S-Parameters\SZmax(1),Zmax(1)"

那么，我们就可以使用下面的代码

'''牛逼，完美运行，可以提取cst中文件的S参数，提取文件数据结构没毛病，但是需要使用cst自己的python运行'''

importsys

importos

importcst.results

import numpy as np

import pandas as pd

# ============================================================

# 配置区域 - 请根据你的实际情况修改以下路径

# ============================================================

cst_file_path=r"F:\test.cst"

output_csv_path=r"F:\S11__ParametricSweep_Results.csv"

output_excel_path=r"F:\S11_circle_ParametricSweep_Results.xlsx"

# ============================================================

# 打开 CST 项目文件（不打开 CST 界面，后台读取）

# ============================================================

print("正在打开 CST 项目文件...")

project=cst.results.ProjectFile(cst_file_path)

results_3d=project.get_3d()

# ============================================================

# Step 1: 获取所有 run_ids（参数化扫描编号）

# ============================================================

# 文档说明：get_all_run_ids() 获取所有存在的 run ids

# run_id=0 是 Current Run，参数化扫描结果从 1 开始

print("正在获取参数化扫描的 run_ids...")

all_run_ids=results_3d.get_all_run_ids()

print(f"所有 run_ids: {all_run_ids}")

# 过滤掉 run_id=0（Current Run），只保留参数化扫描结果

parametric_run_ids= [ridforridinall_run_idsifrid!=0]

num_runs=len(parametric_run_ids)

ifnum_runs==0:

print("未找到任何参数化扫描结果，请检查：")

print("  1. 文件路径是否正确")

print("  2. 是否已经运行过参数化扫描")

exit()

print(f"参数化扫描结果数量: {num_runs} 个（run_ids = {parametric_run_ids}）")

# ============================================================

# Step 2: 读取第 1 个结果获取频率信息和标签

# ============================================================

first_run_id=parametric_run_ids[0]

first_result=results_3d.get_result_item(

r"1D Results\S-Parameters\SZmax(1),Zmax(1)", 

run_id=first_run_id

)

freqs=np.array(first_result.get_xdata())

xlabel=first_result.xlabel

ylabel=first_result.ylabel

n_freq=len(freqs)

print(f"\n===== 数据信息 =====")

print(f"X轴标签: {xlabel}")

print(f"Y轴标签: {ylabel}")

print(f"频率点数: {n_freq}")

# 尝试获取频率范围

iffreqs.max() >1e9:

print(f"频率范围: {freqs[0]/1e9:.4f} ~ {freqs[-1]/1e9:.4f} GHz")

eliffreqs.max() >1e6:

print(f"频率范围: {freqs[0]/1e6:.4f} ~ {freqs[-1]/1e6:.4f} MHz")

else:

print(f"频率范围: {freqs[0]:.4f} ~ {freqs[-1]:.4f} Hz")

# ============================================================

# Step 3: 获取参数化扫描的参数信息

# ============================================================

# 文档 Example 3 说明：ResultModule.get_parameter_combination(run_id) 

# 返回一个字典，包含参数名称和值

print(f"\n===== 正在获取参数化参数信息 =====")

# 先获取第一个 run_id 的参数组合，提取参数名称

first_params=results_3d.get_parameter_combination(first_run_id)

param_names=list(first_params.keys())

print(f"参数化参数名称: {param_names}")

print(f"第 {first_run_id} 个参数组合: {first_params}")

# 收集所有 run_id 的参数值

all_param_values= {}

forridinparametric_run_ids:

params=results_3d.get_parameter_combination(rid)

all_param_values[rid] =params

print(f"成功获取 {len(all_param_values)} 个参数组合")

# ============================================================

# Step 4: 循环读取所有参数化扫描的 S11 结果

# ============================================================

print(f"\n===== 开始读取所有参数化扫描的 S11 结果 =====")

all_results= []  # 存储所有结果

foridx, run_idinenumerate(parametric_run_ids):

try:

# 读取当前 run_id 的 S11 结果

result=results_3d.get_result_item(

r"1D Results\S-Parameters\SZmax(1),Zmax(1)", 

run_id=run_id

        )

s11_complex=np.array(result.get_ydata())  # 复数 S11 数据

# 计算各种格式的 S11

s11_real=np.real(s11_complex)

s11_imag=np.imag(s11_complex)

s11_mag=np.abs(s11_complex)

s11_db=20*np.log10(s11_mag+1e-20)  # 加极小值防止 log(0)

s11_phase=np.angle(s11_complex, deg=True)  # 相位（度）

# 获取该 run 的参数值

params=all_param_values[run_id]

# 构建该 run 的数据字典

run_data= {

'Run_ID': run_id,

'Frequency_Hz': freqs,

'Frequency_GHz': freqs/1e9,

'S11_Real': s11_real,

'S11_Imag': s11_imag,

'S11_Magnitude': s11_mag,

'S11_dB': s11_db,

'S11_Phase_deg': s11_phase,

        }

# 添加参数值到数据字典

forpname, pvalinparams.items():

run_data[pname] =pval

all_results.append(run_data)

if (idx+1) %5==0or (idx+1) ==num_runs:

print(f"  已读取: {idx+1}/{num_runs} (Run_ID={run_id})")

exceptExceptionase:

print(f"  Run {run_id} 读取失败: {e}")

continue

print(f"成功读取 {len(all_results)} 个参数化扫描结果")

# ============================================================

# Step 5: 整理数据并导出

# ============================================================

print(f"\n===== 正在导出数据 =====")

# 将所有结果展平为 DataFrame 的行

export_rows= []

forrun_datainall_results:

n_points=len(run_data['Frequency_Hz'])

foriinrange(n_points):

row= {

'Run_ID': run_data['Run_ID'],

'Frequency_Hz': run_data['Frequency_Hz'][i],

'Frequency_GHz': run_data['Frequency_GHz'][i],

'S11_Real': run_data['S11_Real'][i],

'S11_Imag': run_data['S11_Imag'][i],

'S11_Magnitude': run_data['S11_Magnitude'][i],

'S11_dB': run_data['S11_dB'][i],

'S11_Phase_deg': run_data['S11_Phase_deg'][i],

        }

# 添加参数值列（每个频率点重复相同的参数值）

forpnameinparam_names:

row[pname] =run_data.get(pname, np.nan)

export_rows.append(row)

df=pd.DataFrame(export_rows)

# 调整列顺序：Run_ID → 参数名 → 频率 → S11数据

cols_order= ['Run_ID'] +param_names+ [

'Frequency_Hz', 'Frequency_GHz', 

'S11_Real', 'S11_Imag', 'S11_Magnitude', 'S11_dB', 'S11_Phase_deg'

]

# 只保留实际存在的列

cols_order= [cforcincols_orderifcindf.columns]

df=df[cols_order]

# ----- 导出为 CSV -----

df.to_csv(output_csv_path, index=False, encoding='utf-8-sig')

print(f"CSV 文件已保存: {output_csv_path}")

# ----- 导出为 Excel（多个 sheet）-----

try:

withpd.ExcelWriter(output_excel_path, engine='openpyxl') aswriter:

# Sheet 1: 所有数据汇总

df.to_excel(writer, sheet_name='All_Data', index=False)

# Sheet 2-N: 每个 Run_ID 的单独数据

forrun_datainall_results:

rid=run_data['Run_ID']

sheet_name=f"Run_{rid}"

run_df_data= {

'Frequency_Hz': run_data['Frequency_Hz'],

'Frequency_GHz': run_data['Frequency_GHz'],

'S11_Real': run_data['S11_Real'],

'S11_Imag': run_data['S11_Imag'],

'S11_Magnitude': run_data['S11_Magnitude'],

'S11_dB': run_data['S11_dB'],

'S11_Phase_deg': run_data['S11_Phase_deg'],

            }

# 添加参数值（作为常数列）

forpnameinparam_names:

run_df_data[pname] = [run_data.get(pname, np.nan)] *len(run_data['Frequency_Hz'])

run_df=pd.DataFrame(run_df_data)

run_df.to_excel(writer, sheet_name=sheet_name, index=False)

# Sheet: 参数汇总表（每个 Run 的参数值一览）

param_summary= []

forrun_datainall_results:

row= {'Run_ID': run_data['Run_ID']}

forpnameinparam_names:

row[pname] =run_data.get(pname, np.nan)

row['S11_Min_dB'] =np.min(run_data['S11_dB'])

row['S11_Max_dB'] =np.max(run_data['S11_dB'])

param_summary.append(row)

pd.DataFrame(param_summary).to_excel(

writer, sheet_name='Param_Summary', index=False

        )

print(f"Excel 文件已保存: {output_excel_path}")

exceptImportError:

print("未安装 openpyxl，跳过 Excel 导出（可通过 pip install openpyxl 安装）")

# ============================================================

# 完成总结

# ============================================================

print(f"\n{'='*50}")

print(f"===== 导出完成，数据摘要 =====")

print(f"{'='*50}")

print(f"参数化扫描数量: {num_runs}")

print(f"参数名称: {param_names}")

print(f"频率点数: {n_freq}")

print(f"总数据行数: {len(df)}")

print(f"总列数: {len(df.columns)}")

print(f"列名: {list(df.columns)}")

print(f"\n输出文件:")

print(f"  CSV:  {output_csv_path}")

print(f"  Excel: {output_excel_path}")

exec(open(r"D:\文件位置\test.py", encoding='utf-8').read())

最后文件以csv格式保存，各种信息完备，方便读取处理

关于帮助文档，就是cst自己的help界面，自行获取