多亏了 python 模块 pywt,我在实践中发现了小波.
我浏览过some examples of the pywt module usage ,但我无法掌握关键步骤:我基本上不知道如何使用 matplotlib 显示小波分析的多维输出。
这是我尝试过的,(给定一个 pyplot ax ax):
import pywt
data_1_dimension_series = [0,0.1,0.2,0.4,-0.1,-0.1,-0.3,-0.4,1.0,1.0,1.0,0]
# indeed my data_1_dimension_series is much longer
cA, cD = pywt.dwt(data_1_dimension_series, 'haar')
ax.set_xlabel('seconds')
ax.set_ylabel('wavelet affinity by scale factor')
ax.plot(axe_wt_time, zip(cA,cD))
或者还有
data_wt_analysis = pywt.dwt(data_1_dimension_series, 'haar')
ax.plot(axe_wt_time, data_wt_analysis)
ax.plot(axe_wt_time, data_wt_analysis) 和 ax.plot(axe_wt_time, zip(cA,cD)) 都不合适,会返回错误。两个抛出 x 和 y 必须具有相同的第一维度
问题是 data_wt_analysis 确实包含多个一维系列,每个系列对应一个小波比例因子。 我当然可以显示与比例因子一样多的图表。但我希望它们都在同一张图中。
使用 matplotlib 我如何才能在一张图表中简单地显示此类数据?
类似于下面的彩色方 block :
请您参考如下方法:
您应该从您感兴趣的数组中提取不同的一维系列,并像在最简单的示例中一样使用 matplotlib
import matplotlib.pyplot as plt
plt.plot([1,2,3,4])
plt.ylabel('some numbers')
plt.show()
您希望叠加一维图(或线图)。所以,如果你有列表 l1、l2、l3,你会做
import matplotlib.pyplot as plt
plt.plot(l1)
plt.plot(l2)
plt.plot(l3)
plt.show()
对于尺度图:我使用的是 imshow()。这不是针对小波,而是相同的 ID:颜色图。
我找到了 this sample对于 imshow() 与小波的使用,没有尝试过
from pylab import *
import pywt
import scipy.io.wavfile as wavfile
# Find the highest power of two less than or equal to the input.
def lepow2(x):
return 2 ** floor(log2(x))
# Make a scalogram given an MRA tree.
def scalogram(data):
bottom = 0
vmin = min(map(lambda x: min(abs(x)), data))
vmax = max(map(lambda x: max(abs(x)), data))
gca().set_autoscale_on(False)
for row in range(0, len(data)):
scale = 2.0 ** (row - len(data))
imshow(
array([abs(data[row])]),
interpolation = 'nearest',
vmin = vmin,
vmax = vmax,
extent = [0, 1, bottom, bottom + scale])
bottom += scale
# Load the signal, take the first channel, limit length to a power of 2 for simplicity.
rate, signal = wavfile.read('kitten.wav')
signal = signal[0:lepow2(len(signal)),0]
tree = pywt.wavedec(signal, 'db5')
# Plotting.
gray()
scalogram(tree)
show()
