matplotlib.pyplot.cohere #

matplotlib.pyplot. cohere ( x , y , NFFT=256 , Fs=2 , Fc=0 , detrend=<função detrend_none> , window=<função window_hanning> , noverlap=0 , pad_to=None , sides='default' , scale_by_freq=None , * , data=None , **kwargs ) [source] #

Trace a coerência entre x e y .

Coerência é a densidade espectral cruzada normalizada:

\[C_{xy} = \frac{|P_{xy}|^2}{P_{xx}P_{yy}}\]

Parâmetros :

Fs flutuante, padrão: 2: A frequência de amostragem (amostras por unidade de tempo). É usado para calcular as frequências de Fourier, freqs , em ciclos por unidade de tempo.
janela chamável ou ndarray, padrão:window_hanning: Uma função ou um vetor de comprimento NFFT . Para criar vetores de janela, consulte window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_windowetc. Se uma função for passada como argumento, ela deve receber um segmento de dados como argumento e retornar a versão em janela do segmento.
lados {'padrão', 'onesided', 'twosided'}, opcional: De quais lados do espectro retornar. 'padrão' é unilateral para dados reais e bilateral para dados complexos. 'onesided' força o retorno de um espectro unilateral, enquanto 'twosided' força bilateral.
pad_to int, opcional: O número de pontos para os quais o segmento de dados é preenchido ao executar a FFT. Isso pode ser diferente do NFFT , que especifica o número de pontos de dados usados. Embora não aumente a resolução real do espectro (a distância mínima entre picos resolvíveis), isso pode dar mais pontos no gráfico, permitindo mais detalhes. Isso corresponde ao parâmetro nfft na chamada para . O padrão é None, que define pad_to igual a NFFT
NFFT int, padrão: 256: O número de pontos de dados usados em cada bloco para a FFT. A potência 2 é mais eficiente. Isso NÃO deve ser usado para obter preenchimento zero, ou a escala do resultado ficará incorreta; use pad_to para isso.
detrend {'none', 'mean', 'linear'} ou callable, padrão: 'none': A função aplicada a cada segmento antes do fft-ing, projetada para remover a média ou tendência linear. Ao contrário do MATLAB, onde o parâmetro de tendência é um vetor, no Matplotlib é uma função. O mlab módulo define detrend_none, detrend_meane detrend_linear, mas você também pode usar uma função personalizada. Você também pode usar uma string para escolher uma das funções: 'none' calls detrend_none. chamadas 'más' detrend_mean. chamadas 'lineares' detrend_linear.
scale_by_freq bool, padrão: True: Se os valores de densidade resultantes devem ser dimensionados pela frequência de escala, que fornece a densidade em unidades de 1/Hz. Isso permite a integração sobre os valores de frequência retornados. O padrão é True para compatibilidade com MATLAB.
noverlap int, padrão: 0 (sem sobreposição): O número de pontos de sobreposição entre os blocos.
Fc int, padrão: 0: A frequência central de x , que compensa as extensões x do gráfico para refletir a faixa de frequência usada quando um sinal é adquirido e, em seguida, filtrado e reduzido para a banda base.

Devoluções :

Matriz Cxy 1-D: O vetor de coerência.
matriz 1-D de frequências: As frequências para os elementos em Cxy .

Outros Parâmetros :

objeto indexável de dados , opcional

Se fornecidos, os seguintes parâmetros também aceitam uma string s, que é interpretada como data[s](a menos que isso gere uma exceção):

x , y

** kwargs

Os argumentos de palavra-chave controlam as Line2Dpropriedades:

Propriedade	Descrição
`agg_filter`	uma função de filtro, que usa uma matriz flutuante (m, n, 3) e um valor de dpi e retorna uma matriz (m, n, 3) e dois deslocamentos do canto inferior esquerdo da imagem
`alpha`	escalar ou nenhum
`animated`	bool
`antialiased`ou aa	bool
`clip_box`	`Bbox`
`clip_on`	bool
`clip_path`	Patch ou (Caminho, Transformação) ou Nenhum
`color`ou c	cor
`dash_capstyle`	`CapStyle`ou {'bunda', 'projetando', 'redondo'}
`dash_joinstyle`	`JoinStyle`ou {'esquadria', 'redondo', 'chanfrado'}
`dashes`	sequência de flutuações (on/off ink em pontos) ou (None, None)
`data`	(2, N) array ou dois arrays 1D
`drawstyle`ou ds	{'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'}, default: 'default'
`figure`	`Figure`
`fillstyle`	{'completo', 'esquerda', 'direita', 'inferior', 'superior', 'nenhum'}
`gapcolor`	cor ou nenhum
`gid`	str
`in_layout`	bool
`label`	objeto
`linestyle`ou ls	{'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
`linewidth`ou lw	flutuador
`marker`	string de estilo de marcador, `Path`ou`MarkerStyle`
`markeredgecolor`ou mec	cor
`markeredgewidth`ou miar	flutuador
`markerfacecolor`ou mfc	cor
`markerfacecoloralt`ou mfcalt	cor
`markersize`ou senhora	flutuador
`markevery`	None ou int ou (int, int) ou slice ou list[int] ou float ou (float, float) ou list[bool]
`mouseover`	bool
`path_effects`	`AbstractPathEffect`
`picker`	float ou callable[[Artist, Event], tuple[bool, dict]]
`pickradius`	desconhecido
`rasterized`	bool
`sketch_params`	(escala: flutuante, comprimento: flutuante, aleatoriedade: flutuante)
`snap`	bool ou nenhum
`solid_capstyle`	`CapStyle`ou {'bunda', 'projetando', 'redondo'}
`solid_joinstyle`	`JoinStyle`ou {'esquadria', 'redondo', 'chanfrado'}
`transform`	desconhecido
`url`	str
`visible`	bool
`xdata`	matriz 1D
`ydata`	matriz 1D
`zorder`	flutuador

Referências

Bendat & Piersol -- Random Data: Analysis and Measurement Procedures, John Wiley & Sons (1986)