python，matplotlib：谱图数据数组值与谱图图不匹配

首先，让我们展示您正在描述的示例，以便其他人

import numpy as np
import matplotlib.pyplot as plt
np.random.seed(1)

# Brownian noise sequence
x = np.random.normal(0, 1, 10000).cumsum()

fig, (ax1, ax2) = plt.subplots(nrows=2, figsize=(8, 10))

values, ybins, xbins, im = ax1.specgram(x, cmap='gist_earth')
ax1.set(title='Specgram')
fig.colorbar(im, ax=ax1)

mesh = ax2.pcolormesh(xbins, ybins, values, cmap='gist_earth')
ax2.axis('tight')
ax2.set(title='Raw Plot of Returned Values')
fig.colorbar(mesh, ax=ax2)

plt.show()

幅度差异

您会立即注意到绘制值的大小差异。

默认情况下，plt.specgram不绘制返回的“原始”值。取而代之的是，将它们缩放到分贝（换句话说，绘制10 * log10幅度的）。如果您不希望扩大规模，则需要指定scale="linear"。但是，对于查看频率组成，对数刻度将是最有意义的。

考虑到这一点，让我们模仿一下specgram：

plotted = 10 * np.log10(values)

fig, ax = plt.subplots()
mesh = ax.pcolormesh(xbins, ybins, plotted, cmap='gist_earth')

ax.axis('tight')
ax.set(title='Plot of $10 * log_{10}(values)$')
fig.colorbar(mesh)

plt.show()

改用对数色标

或者，我们可以在图像上使用对数范数，并获得相似的结果，但可以更清楚地传达出颜色值在对数刻度上：

from matplotlib.colors import LogNorm

fig, ax = plt.subplots()
mesh = ax.pcolormesh(xbins, ybins, values, cmap='gist_earth', norm=LogNorm())

ax.axis('tight')
ax.set(title='Log Normalized Plot of Values')
fig.colorbar(mesh)

plt.show()

imshow 与 pcolormesh

最后，请注意，我们显示的示例未应用插值，而原始specgram图则进行了插值。specgram使用imshow，而我们一直在与密谋pcolormesh。在这种情况下（常规网格间距），我们可以使用其中任何一个。

这两个imshow和pcolormesh非常不错的选择，在这种情况下。但是，imshow如果使用大型阵列，则性能会明显提高。因此，即使您不希望插值（例如interpolation='nearest'，关闭插值），也可以考虑使用它。

举个例子：

extent = [xbins.min(), xbins.max(), ybins.min(), ybins.max()]

fig, ax = plt.subplots()
mesh = ax.imshow(values, extent=extent, origin='lower', aspect='auto',
                 cmap='gist_earth', norm=LogNorm())

ax.axis('tight')
ax.set(title='Log Normalized Plot of Values')
fig.colorbar(mesh)

plt.show()