根据信号的位置调整 xrange答案

【问题标题】：Adjust xrange depending on where signal is根据信号的位置调整 xrange
【发布时间】：2021-11-23 18:09:04
【问题描述】：

假设我有一个数据流，为简单起见，将其设为贝尔曲线，从大范围获取：

import numpy as np
import matplotlib.pyplot as plt


def pdf(x, mean, std):
    """Return a PDF."""
    y_out = 1/(std * np.sqrt(2 * np.pi)) * np.exp(-(x - mean)**2 / (2 * std**2))
    return y_out


x = np.linspace(-1000, 1000, 20000)
y = 100 * pdf(x, 0, 1) + np.random.normal(0, 1, 20000)

fig, ax = plt.subplots()
ax.plot(x, y)

由于 x 范围太大，绘图将只显示一条非常窄的线，而且我们不需要在绘图中包含所有噪声。

在这种情况下，通过仅显示范围 [-20, 20] 来绘制它可能是有意义的，例如：ax.set_xlim([-20, 20])。但是，假设现在我们从另一次收购中得到了类似的东西：

y = 100 * pdf(x, -50, 1) + 100 * pdf(x, 0, 1) + 100 * pdf(x, 40, 1) + np.random.normal(0, 1, 20000)

有了这样一个函数，我们可能想要绘制更大的范围，例如ax.set_xlim([-70, 60])，将采集到的所有信号可视化。

有没有办法根据实际信号（即任何高于某个阈值，比如 10）以编程方式调整限制，而不必先绘制整个范围，然后手动调整？

【问题讨论】：

您是否提前知道信号中峰值的位置，或者您是在问我们如何进行信号分析？

标签： python matplotlib plot

【解决方案1】：

使用argwhere 获取y 高于某个阈值的索引，例如np.argwhere(y > 10)。在实践中，您可能希望在两侧添加一些边距，例如 200 点：

import numpy as np
import matplotlib.pyplot as plt

def pdf(x, mean, std):
    """Return a PDF."""
    y_out = 1/(std * np.sqrt(2 * np.pi)) * np.exp(-(x - mean)**2 / (2 * std**2))
    return y_out


x = np.linspace(-1000, 1000, 20000)
y = [100 * pdf(x, 0, 1) + np.random.normal(0, 1, 20000),
     100 * pdf(x, -50, 1) + 100 * pdf(x, 0, 1) + 100 * pdf(x, 40, 1) + np.random.normal(0, 1, 20000)]


def get_lims(y, threshold=10, margin=200):
    """Get indices +/- margin where y is above threshold."""
    signal = np.argwhere(y > threshold).flatten()
    return np.clip((signal[0] - margin, signal[-1] + margin), 0, len(y)-1)

fig, ax = plt.subplots(nrows=2)
for i in range(2):
    ax[i].plot(x, y[i])
    ax[i].set_xlim(x[get_lims(y[i])])

【讨论】：

【解决方案2】：

与 Stef 的答案非常相似，只是我提出了最小宽度和额外百分比，因此边距将取决于您要显示的 x 的数量，而不是边距，因此您可以调整 window_excess和min_width。如果你有很多情节要制作，这样的事情可能会很有用。用这个替换 Stef 的 get_lims 函数将达到结果：

def get_lims(y, threshold = 10, window_excess = 0.5, min_width = 100):
    minwidth = min_width / (1 + window_excess)

    a = np.argwhere(y > threshold)
    
    da = max(minwidth, x[a[-1]] - x[a[0]])
    ma = (x[a[-1]] + x[a[0]]) / 2
    minx = ma - da * (1 + window_excess) / 2
    maxx = ma + da * (1 + window_excess) / 2
    return([minx, maxx])

您只需要检查xmin 和xmax 是否在x 范围内。

【讨论】：