复习回顾

matplotlib 是Python专门用来绘制渲染的模块，其底层主要分为脚本层、美工层和后端。脚本层为我们提供常见图形绘制如折线、柱状、直方、饼图。以往文章

这么详细的Python matplotlib 绘制图形 还不赶紧收藏_

Python matplotlib 绘制等高线图_

Python matplotlib 绘制散点图 还不收藏起来

python入门到进阶，爬虫数据分析全套资料分享讲解 CHINA

1. 频谱图概述

• 什么是频谱图？

  • 频谱图表示的信号频率与能量的关系
  • 频谱图以x,y轴的波纹方式记录并画出信号在各种频率的图像
  • 频谱图可以分为三种:线性振幅谱、对数振幅谱、自功率谱

• 频谱图应用场景

  • 频谱图常用在机械故障诊断系统中用于检测故障的部位、类型和程度等问题
  • 频谱图专门分析振动参数的主要工具
  • 频谱图对于要分在特定时段频率振幅变化情况如音频、视频等质量检测

• 获取使用频谱图

  import matplotlib.pyplot as plt 
  plt.specgram(x)
  复制代码

• pyplot.specgram(x) 方法

  • specgram 计算并绘制x中数据的频谱图
  • 数据被分成NFFT长度段，并计算每个部分的频谱
  • 加窗函数window应用用于每个段，每个段的重叠量由noverlap指定
  • 频谱图使用imshow()绘制颜色图

2. 频谱图属性

• 设置频谱图模式

  • 关键字：mode
  • 可选值为：{'default', 'psd', 'magnitude', 'angle', 'phase'}
  • 默认为功率频谱图，magnitude为振幅频谱，angle为非展开相位频谱图，phase为展开相位频谱图

• 设置频谱图颜色系

  • 关键字：cmap
  • 形式如："颜色表_r"
  • 常用的有：'Accent', 'Accent_r', 'Blues', 'Blues_r', 'BrBG', 'BrBG_r', 'BuGn', 'BuGn_r', 'BuPu', 'BuPu_r', 'CMRmap', 'CMRmap_r', 'Dark2', 'Dark2_r', 'GnBu', 'GnBu_r', 'Greens'

• 设置频谱图窗口

  • 关键字：window
  • 默认值为:window_hanning
  • 创建窗口的向量为：window_hanning、window_none、numpy.blackman、numpy.hamming

• 设置频谱图侧边

  • 关键字：side
  • 可选值：onside|twosided
  • oneside为默认值，一侧用于真实数据，返回单边频谱
  • twoside两侧用于复杂数据，强制返回双面

• 设置频谱图NFFT

  • 关键字：NFFT
  • 默认值为：256
  • 设置每块用于FFT的数据点数，不能应用于获取零填充

3. 绘制频谱图步骤

• 导入matplotlib.pyplot类

import matplotlib.pyplot as plt
复制代码

• 使用numpy库里的arange()、sin()、cos()等方法准备x数据

t = np.arange(0.0,20.0,dt)

s1 = np.cos(2*np.pi*100*t)

s2 = 2*np.cos(2*np.pi*400*t)

s2[t<=5]=s2[12<t]=0

nse = 0.01 * np.random.random(size=len(t))

x = s1+s2+nse
复制代码

• 调用pyplot.specgram()方法绘制频谱图

plt.specgram(x,NFFT=256,Fs=1,noverlap=128)
复制代码

• 调用pyplot.show()显示频谱图

plt.show()
复制代码

• 更改频谱图颜色为灰色系的，NFFT设置为1024

plt.specgram(x,NFFT=1024,Fs=1,noverlap=900,cmap="gray")

4. 小试牛刀

我们学习了关于绘制频谱图相关属性，在实际运用中通常会结合折线图一起来看，我们来实操一下吧

• 通过pyplot.subplots()创建Axes对象
• Axes1对象调用plot()绘制折线图
• Axes2对象调用specgram()方法绘制频谱图

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

dt= 0.0005
t = np.arange(0.0,20.0,dt)

s1 = np.cos(2*np.pi*100*t)

s2 = 2*np.cos(2*np.pi*400*t)

s2[t<=5]=s2[12<t]=0

nse = 0.01 * np.random.random(size=len(t))

x = s1+s2+nse

ax1.plot(t,x,"pink")

ax2.specgram(x,NFFT=1024,Fs=1,noverlap=900,cmap="gray")

plt.show()
复制代码

。

总结

本期，我们对matplotlib.pyplot.specgram()方法相关属性进行学习，通常在检查音视频等频率振幅数据时使用比较多。

以上是本期内容，欢迎大佬们点赞评论，下期见~