Matplotlib スペクトル解析関数
Matplotlib はスペクトル解析や信号処理に関連するプロット関数を提供しており、科学計算や工学分野の可視化でよく使われます。
関数一覧
| 関数 | 機能 |
|---|---|
| acorr() | 自己相関(Auto-correlation)図を描画する |
| xcorr() | 相互相関(Cross-correlation)図を描画する |
| psd() | パワースペクトル密度(Power Spectral Density)を描画する |
| csd() | クロススペクトル密度(Cross Spectral Density)を描画する |
| specgram() | スペクトログラム(Spectrogram)を描画する |
| cohere() | コヒーレンス(Coherence)を描画する |
| angle_spectrum() | 角度スペクトルを描画する |
| magnitude_spectrum() | 振幅スペクトルを描画する |
| phase_spectrum() | 位相スペクトルを描画する |
関数定義
acorr() / xcorr()
matplotlib.pyplot.acorr(x, *, detrend=<function detrend_none>,
maxlags=10, **kwargs)
matplotlib.pyplot.xcorr(x, y, *, detrend=<function detrend_none>,
maxlags=10, normed=True, **kwargs)
psd() / csd()
matplotlib.pyplot.psd(x, NFFT=None, Fs=None, Fc=None,
detrend=None, window=None, noverlap=None, pad_to=None,
sides=None, scale_by_freq=None, **kwargs)
matplotlib.pyplot.csd(x, y, NFFT=None, Fs=None, Fc=None,
detrend=None, window=None, noverlap=None, pad_to=None,
sides=None, scale_by_freq=None, **kwargs)
specgram()
matplotlib.pyplot.specgram(x, NFFT=None, Fs=None, Fc=None,
detrend=None, window=None, noverlap=None, cmap=None,
xextent=None, pad_to=None, sides=None, scale_by_freq=None,
mode=None, scale=None, vmin=None, vmax=None, **kwargs)
angle_spectrum() / magnitude_spectrum() / phase_spectrum()
matplotlib.pyplot.angle_spectrum(x, Fs=None, Fc=None, **kwargs) matplotlib.pyplot.magnitude_spectrum(x, Fs=None, Fc=None, **kwargs) matplotlib.pyplot.phase_spectrum(x, Fs=None, Fc=None, **kwargs)
| 一般的なパラメータ | 説明 |
|---|---|
| Fs | サンプリング周波数(Hz)、デフォルトは 2 |
| NFFT | FFT ポイント数。周波数分解能に影響します |
| noverlap | ウィンドウのオーバーラップ点数 |
| window | 窓関数。デフォルトは hanning 窓 |
| detrend | トレンド除去方法:'none'、'mean'、'linear' |
使用例
例1: 自己相関と相互相関
例
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(42)
t = np.linspace(0, 10, 500)
# ノイズを含む正弦波
sig = np.sin(2 * np.pi * 2 * t) + np.random.randn(500) * 0.3
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4),
layout='constrained')
# 自己相関
ax1.acorr(sig, maxlags=100, color='steelblue')
ax1.set_title('acorr() - Auto-correlation of sin(4πt) + noise')
ax1.set_xlabel('Lag')
# 相互相関(信号とそれ自身の遅延バージョン)
delayed = np.roll(sig, 20)
ax2.xcorr(sig, delayed, maxlags=100, color='coral')
ax2.set_title('xcorr() - Cross-correlation (lag=20)')
ax2.set_xlabel('Lag')
plt.show()
import numpy as np
np.random.seed(42)
t = np.linspace(0, 10, 500)
# ノイズを含む正弦波
sig = np.sin(2 * np.pi * 2 * t) + np.random.randn(500) * 0.3
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4),
layout='constrained')
# 自己相関
ax1.acorr(sig, maxlags=100, color='steelblue')
ax1.set_title('acorr() - Auto-correlation of sin(4πt) + noise')
ax1.set_xlabel('Lag')
# 相互相関(信号とそれ自身の遅延バージョン)
delayed = np.roll(sig, 20)
ax2.xcorr(sig, delayed, maxlags=100, color='coral')
ax2.set_title('xcorr() - Cross-correlation (lag=20)')
ax2.set_xlabel('Lag')
plt.show()
例2: パワースペクトル密度
例
import matplotlib.pyplot as plt
import numpy as np
# サンプリング周波数 100Hz の信号を生成(10Hz + 25Hz の正弦波)
Fs = 100 # サンプリング周波数
t = np.arange(0, 5, 1/Fs)
sig = np.sin(2*np.pi*10*t) + 0.5*np.sin(2*np.pi*25*t)
+ np.random.randn(len(t))*0.5
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4),
layout='constrained')
# PSD
ax1.psd(sig, NFFT=256, Fs=Fs, color='steelblue')
ax1.set_title('psd() - Power Spectral Density')
# スペクトログラム
ax2.specgram(sig, NFFT=128, Fs=Fs, noverlap=64,
cmap='viridis')
ax2.set_title('specgram() - Spectrogram')
ax2.set_xlabel('Time (s)')
ax2.set_ylabel('Frequency (Hz)')
plt.show()
import numpy as np
# サンプリング周波数 100Hz の信号を生成(10Hz + 25Hz の正弦波)
Fs = 100 # サンプリング周波数
t = np.arange(0, 5, 1/Fs)
sig = np.sin(2*np.pi*10*t) + 0.5*np.sin(2*np.pi*25*t)
+ np.random.randn(len(t))*0.5
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 4),
layout='constrained')
# PSD
ax1.psd(sig, NFFT=256, Fs=Fs, color='steelblue')
ax1.set_title('psd() - Power Spectral Density')
# スペクトログラム
ax2.specgram(sig, NFFT=128, Fs=Fs, noverlap=64,
cmap='viridis')
ax2.set_title('specgram() - Spectrogram')
ax2.set_xlabel('Time (s)')
ax2.set_ylabel('Frequency (Hz)')
plt.show()
例3: 振幅スペクトルと位相スペクトル
例
import matplotlib.pyplot as plt
import numpy as np
Fs = 200
t = np.arange(0, 2, 1/Fs)
sig = np.sin(2*np.pi*20*t) + 0.5*np.sin(2*np.pi*50*t)
fig, axes = plt.subplots(2, 2, figsize=(10, 8),
layout='constrained')
# 元の信号
axes[0, 0].plot(t[:100], sig[:100])
axes[0, 0].set_title('Original Signal')
axes[0, 0].set_xlabel('Time (s)')
# 振幅スペクトル
axes[0, 1].magnitude_spectrum(sig, Fs=Fs, color='steelblue')
axes[0, 1].set_title('magnitude_spectrum()')
# 角度スペクトル
axes[1, 0].angle_spectrum(sig, Fs=Fs, color='coral')
axes[1, 0].set_title('angle_spectrum()')
# 位相スペクトル
axes[1, 1].phase_spectrum(sig, Fs=Fs, color='green')
axes[1, 1].set_title('phase_spectrum()')
plt.show()
print("サンプル: spectrum analysis displayed")
import numpy as np
Fs = 200
t = np.arange(0, 2, 1/Fs)
sig = np.sin(2*np.pi*20*t) + 0.5*np.sin(2*np.pi*50*t)
fig, axes = plt.subplots(2, 2, figsize=(10, 8),
layout='constrained')
# 元の信号
axes[0, 0].plot(t[:100], sig[:100])
axes[0, 0].set_title('Original Signal')
axes[0, 0].set_xlabel('Time (s)')
# 振幅スペクトル
axes[0, 1].magnitude_spectrum(sig, Fs=Fs, color='steelblue')
axes[0, 1].set_title('magnitude_spectrum()')
# 角度スペクトル
axes[1, 0].angle_spectrum(sig, Fs=Fs, color='coral')
axes[1, 0].set_title('angle_spectrum()')
# 位相スペクトル
axes[1, 1].phase_spectrum(sig, Fs=Fs, color='green')
axes[1, 1].set_title('phase_spectrum()')
plt.show()
print("サンプル: spectrum analysis displayed")
その他の拡張
Matplotlib リファレンスドキュメント