matplotlib.pyplot.cohere()函数

Matplotlib是Python中的一个库，它是NumPy库的数值-数学扩展。Pyplot是一个基于状态的Matplotlib模块接口，该模块提供了一个类似matlab的接口。Pyplot中可以使用的绘图有直线图、轮廓图、直方图、散点图、三维图等。

matplotlib.pyplot.cohere()函数:

使用matplotlib库pyplot模块中的coherent()函数绘制x和y之间的相干。相干是归一化的交叉光谱密度。

语法:matplotlib.pyplot.cohere(x, y, NFFT=256, Fs=2, Fc=0, detrend=， window=， noverlap=0, pad_to=None, sides= ‘ default ‘， scale_by_freq=None， *， data=None， **kwargs)

参数:该方法接受如下参数说明:

x, y:这些参数是数据序列。

Fs:标量。默认值为2。

window:该参数接受一个数据段作为参数，并返回该段的窗口版本。其默认值是window_hanning()

sides:该参数指定返回频谱的哪一边。它可以有以下值:’ default ‘， ‘ onesided ‘和’ twosided ‘。

pad_to:该参数包含填充数据段的整数值。

Fc:该参数还包含整数值，用于偏移图形的x个区段，以反映频率范围。默认值为0

NFFT:该参数包含用于FFT的每个块的数据点的数量。

detrend:该参数包含在fft-ing之前应用于每个分段的函数，旨在去除平均值或线性趋势{‘ none ‘， ‘ mean ‘， ‘ linear ‘}。

scale_by_freq:该参数允许对返回的频率值进行集成。

noverlap:该参数表示块之间的重叠点数量。

Fc: x的中心频率。

返回如下内容:

这将返回相干向量。

freqs:返回Cxy中元素的频率。

结果是(Cxy，频率)

下面的例子演示了matplotlib.pyplot.figure()函数在matplotlib.axes中的作用:

示例1

# Implementation of matplotlib function
import numpy as np
import matplotlib.pyplot as plt
   
dt = 0.01
t = np.arange(0, 30, dt)
nse1 = np.random.randn(len(t))
nse2 = np.random.randn(len(t))
   
s1 = 1.5 * np.sin(2 * np.pi * 10 * t) + nse1
s2 = np.cos(np.pi * t) + nse2
   
plt.cohere(s1, s2**2, 128, 1./dt)
plt.xlabel('time')
plt.ylabel('coherence')
plt.title('matplotlib.pyplot.cohere() Example\n', 
               fontsize = 14, fontweight ='bold')
plt.show()

输出:

matplotlib.pyplot.cohere()函数

示例2

# Implementation of matplotlib function
import numpy as np
import matplotlib.pyplot as plt
   
dt = 0.01
t = np.arange(0, 30, dt)
nse1 = np.random.randn(len(t))
nse2 = np.random.randn(len(t))
r = np.exp(-t / 0.05)
   
cnse1 = np.convolve(nse1, r, mode ='same')*dt
cnse2 = np.convolve(nse2, r, mode ='same')*dt
   
s1 = 1.5 * np.sin(2 * np.pi * 10 * t) + cnse1
s2 = np.cos(np.pi * t) + cnse2 + np.sin(2 * np.pi * 10 * t)
  
fig, [ax1, ax2] = plt.subplots(2, 1)
ax1.set_title('matplotlib.pyplot.cohere() Example\n', 
                    fontsize = 14, fontweight ='bold')
  
ax1.plot(t, s1, t, s2)
ax1.set_xlim(0, 5)
ax1.set_xlabel('time')
ax1.set_ylabel('s1 and s2')
ax1.grid(True)
   
ax2.cohere(s1, s2, 256, 1./dt)
ax2.set_ylabel('coherence')
plt.show()

输出:

matplotlib.pyplot.cohere()函数