幅度和相位分析
Amplitude and Phase analysis
我在数据分析方面遇到了一些问题。我有大量数据写成如下:
-0,30273438;-0,06835938;
-0,29785156;-0,05371094;
-0,28320313;-0,04882813;
-0,28808594;-0,06347656;
-0,27343750;-0,03417969;
-0,24414063;-0,03906250;
-0,24414063;-0,01464844;
我写了一个为 2 个向量构建图形的小程序:
import csv
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import numpy as np
x = []
y = []
with open('20283.dat', newline='') as csvfile:
trash = csv.reader(csvfile, delimiter=';')
for row in trash:
x.append(float(row[0].replace(",", ".")))
y.append(float(row[1].replace(",", ".")))
#print(x)
z = len(x)
#print(t)
t = np.arange(z)
plt.figure(1)
plt.plot(t,x, label='signal')
plt.xlabel('timing')
plt.ylabel('x')
plt.title('First channel')
plt.legend()
plt.figure(2)
plt.plot(t,y, label='signal')
plt.xlabel('timing')
plt.ylabel('y')
plt.title('Second channel')
plt.legend()
plt.show()
如何获得振幅和相位谱?我如何实现可定制的简单移动平均滤波器(window 大小、时间步长、开始和停止点)?
对于 python numpy
和 scipy
通常是您要查找线性代数的地方。
对于移动 window 功能,请查看 pandas
它与 numpy
具有相当的互操作性,并以有用的方式扩展了 numpy
功能。
https://docs.scipy.org/doc/numpy-dev/user/quickstart.html
我在数据分析方面遇到了一些问题。我有大量数据写成如下:
-0,30273438;-0,06835938;
-0,29785156;-0,05371094;
-0,28320313;-0,04882813;
-0,28808594;-0,06347656;
-0,27343750;-0,03417969;
-0,24414063;-0,03906250;
-0,24414063;-0,01464844;
我写了一个为 2 个向量构建图形的小程序:
import csv
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import numpy as np
x = []
y = []
with open('20283.dat', newline='') as csvfile:
trash = csv.reader(csvfile, delimiter=';')
for row in trash:
x.append(float(row[0].replace(",", ".")))
y.append(float(row[1].replace(",", ".")))
#print(x)
z = len(x)
#print(t)
t = np.arange(z)
plt.figure(1)
plt.plot(t,x, label='signal')
plt.xlabel('timing')
plt.ylabel('x')
plt.title('First channel')
plt.legend()
plt.figure(2)
plt.plot(t,y, label='signal')
plt.xlabel('timing')
plt.ylabel('y')
plt.title('Second channel')
plt.legend()
plt.show()
如何获得振幅和相位谱?我如何实现可定制的简单移动平均滤波器(window 大小、时间步长、开始和停止点)?
对于 python numpy
和 scipy
通常是您要查找线性代数的地方。
对于移动 window 功能,请查看 pandas
它与 numpy
具有相当的互操作性,并以有用的方式扩展了 numpy
功能。
https://docs.scipy.org/doc/numpy-dev/user/quickstart.html