我正在使用matplotlib.pyplot.specgram和matplotlib.pyplot.pcolormesh绘制地震信号的频谱图。
背景信息-使用pcolormesh的原因是我需要对频谱图数据数组进行算术运算,然后重新绘制最终的频谱图(对于三分量地震图-东,北和垂直-我需要计算水平频谱幅值和将垂直光谱除以水平光谱)。使用频谱图阵列数据比在单个振幅频谱上更容易做到这一点
我发现算术后的频谱图图具有意外的值。经过进一步调查,结果发现,与使用pyplot.pcolormesh和从pyplot.specgram方法返回的数据数组制作的频谱图相比,使用pyplot.specgram方法制作的频谱图具有不同的值。两个图/数组都应包含相同的值,我无法弄清楚为什么不包含它们。
示例:
plt.subplot(513)
PxN, freqsN, binsN, imN = plt.specgram(trN.data, NFFT = 20000, noverlap = 0, Fs = trN.stats.sampling_rate, detrend = 'mean', mode = 'magnitude')
plt.title('North')
plt.xlabel('Time [s]')
plt.ylabel('Frequency [Hz]')
plt.clim(0, 150)
plt.colorbar()
#np.savetxt('PxN.txt', PxN)
看起来与
plt.subplot(514)
plt.pcolormesh(binsZ, freqsZ, PxN)
plt.clim(0,150)
plt.colorbar()
即使“ PxN”数据数组(即每个段的频谱图数据值)是通过第一种方法生成的,并在第二种方法中重复使用的。
有人知道为什么会这样吗?
附言:我意识到我的NFFT值不是平方数,但是在编码的这一阶段并不重要。
PPS我不知道什么是“ imN”数组(从pyplot.specgram返回的第四个变量),以及它的用途是...。
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()
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()
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()
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句