跳转至

Python 中的 matplotlib.pyplot.cohere()

原文:https://www.geeksforgeeks.org/matplotlib-pyplot-cohere-in-python/

Matplotlib 是 Python 中的一个库,是 NumPy 库的数值-数学扩展。 Pyplot 是一个基于状态的接口到 Matplotlib 模块,它提供了一个类似于 MATLAB 的接口。Pyplot 中可以使用的各种图有线图、等高线图、直方图、散点图、三维图等。

matplotlib.pyplot.cohere()函数:

matplotlib 库 pyplot 模块中的coherer()函数用于绘制 x 和 y 之间的相干性,相干性是归一化的交叉谱密度。 T3】

语法: matplotlib.pyplot.cohere(x,y,NFFT=256,Fs=2,Fc=0,detrend=,window=,noverlap=0,pad_to=None,sides='default ',scale_by_freq=None, data = None,*kwargs)

参数:该方法接受以下描述的参数:

  • x,y: 这些参数是数据的序列。
  • Fs : 此参数为标量。它的默认值是 2。
  • 窗口:该参数以一个数据段为自变量,返回该段的窗口版本。其默认值为 window_hanning()
  • 边:此参数指定要返回光谱的哪些边。这可以有以下值:“默认值”、“单侧”和“双侧”。
  • pad_to : 此参数包含数据段填充到的整数值。
  • Fc: 该参数还包含偏移绘图 x 范围的整数值,以反映频率范围。其默认值为 0
  • NFFT : 该参数包含用于快速傅立叶变换的每个块中的数据点数。
  • 去趋势:此参数包含在 fft 之前应用于每个分段的函数,旨在移除均值或线性趋势{ '无','均值','线性' }。
  • scale_by_freq : 该参数允许对返回的频率值进行积分。
  • noverlap : 此参数是块之间重叠的点数。
  • Fc : 该参数为 x 的中心频率。

返回:这将返回以下内容:

  • Cxy: 返回相干向量..
  • 频率:返回 Cxy 中元素的频率。

结果是 (Cxy,freqs)

以下示例说明 matplotlib.pyplot.figure()函数在 matplotlib.axis: 示例#1:

# Implementation of matplotlib function
import numpy as np
import matplotlib.pyplot as plt

dt = 0.01
t = np.arange(0, 30, dt)
nse1 = np.random.randn(len(t))
nse2 = np.random.randn(len(t))

s1 = 1.5 * np.sin(2 * np.pi * 10 * t) + nse1
s2 = np.cos(np.pi * t) + nse2

plt.cohere(s1, s2**2, 128, 1./dt)
plt.xlabel('time')
plt.ylabel('coherence')
plt.title('matplotlib.pyplot.cohere() Example\n', 
               fontsize = 14, fontweight ='bold')
plt.show()

输出:

示例-2:

# Implementation of matplotlib function
import numpy as np
import matplotlib.pyplot as plt

dt = 0.01
t = np.arange(0, 30, dt)
nse1 = np.random.randn(len(t))
nse2 = np.random.randn(len(t))
r = np.exp(-t / 0.05)

cnse1 = np.convolve(nse1, r, mode ='same')*dt
cnse2 = np.convolve(nse2, r, mode ='same')*dt

s1 = 1.5 * np.sin(2 * np.pi * 10 * t) + cnse1
s2 = np.cos(np.pi * t) + cnse2 + np.sin(2 * np.pi * 10 * t)

fig, [ax1, ax2] = plt.subplots(2, 1)
ax1.set_title('matplotlib.pyplot.cohere() Example\n', 
                    fontsize = 14, fontweight ='bold')

ax1.plot(t, s1, t, s2)
ax1.set_xlim(0, 5)
ax1.set_xlabel('time')
ax1.set_ylabel('s1 and s2')
ax1.grid(True)

ax2.cohere(s1, s2, 256, 1./dt)
ax2.set_ylabel('coherence')
plt.show()

输出:



回到顶部