`matplotlib.mlab`#

为与 MATLAB 命令兼容而编写的数值 Python 函数，这些命令具有相同名称。大多数数值 Python 函数可以在 NumPy 和 SciPy 库中找到。剩下的代码用于执行光谱计算和核密度估计。

光谱函数#

cohere: 相干性（归一化交叉谱密度）
csd: 使用 Welch 平均周期图的交叉谱密度
detrend: 从数组中移除均值或最佳拟合线
psd: 使用Welch平均周期图的功率谱密度
specgram: 频谱图（时间片段上的频谱）
complex_spectrum: 返回信号的复数值频谱
magnitude_spectrum: 返回信号的频谱幅度
angle_spectrum: 返回信号频谱的角度（相位）
phase_spectrum: 返回信号频谱的相位（解缠绕角度）
detrend_mean: 从一行中移除均值。
detrend_linear: 从一条线中移除最佳拟合线。
detrend_none: 返回原始行。

class matplotlib.mlab.GaussianKDE(dataset, bw_method=None)[源代码][源代码]#

基类：object

使用高斯核表示核密度估计。

参数:

数据集类数组: 用于估计的数据点。在单变量数据的情况下，这是一个一维数组，否则是一个形状为（# 维度数，# 数据数）的二维数组。
bw_method{'scott', 'silverman'} 或浮点数或可调用对象，可选: 用于计算估计器带宽的方法。如果是一个浮点数，这将直接用作 kde.factor。如果是一个可调用对象，它应该只接受一个 GaussianKDE 实例作为参数并返回一个浮点数。如果为 None（默认），则使用 'scott'。

属性:

数据集ndarray: 传递给构造函数的数据集。
暗淡整数: 维度数量。
num_dp整数: 数据点的数量。
因子float: 带宽因子，从 kde.covariance_factor 获得，用于乘以协方差矩阵。
协方差ndarray: 由计算的带宽（kde.factor）缩放的 dataset 的协方差矩阵。
inv_covndarray: 协方差 的逆。

方法

kde.evaluate(points)	(ndarray) 在提供的点集上评估估计的概率密度函数。
kde(points)	(ndarray) 与 kde.evaluate(points) 相同

covariance_factor()[源代码]#

evaluate(points)[源代码][源代码]#

在点集上评估估计的pdf。

参数:

点(# 维度, # 点数)-数组: 或者，可以传入一个 (# 维度,) 向量，并将其视为单个点。

返回:

（点数，）-数组: 每个点的值。

引发:

ValueError如果输入点的维度不同: 比 KDE 的维度更高。

scotts_factor()[源代码][源代码]#

silverman_factor()[源代码][源代码]#

matplotlib.mlab.angle_spectrum(x, Fs=None, window=None, pad_to=None, sides=None)#

计算 x 的频率谱的角度（包裹相位谱）。数据被填充到长度为 pad_to ，并且窗口函数 window 被应用于信号。

参数:

x一维数组或序列: 包含数据的数组或序列
Fs浮点数, 默认值: 2: 采样频率（每时间单位的样本数）。它用于计算傅里叶频率，freqs，以每时间单位的周期数表示。
window : 可调用对象或 ndarray, 默认: window_hanning可调用对象或 ndarray，默认值：: 一个函数或长度为 NFFT 的向量。要创建窗口向量，请参见 window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window 等。如果将函数作为参数传递，它必须接受一个数据段作为参数，并返回该段的窗口化版本。
边{'单面', '双面'}, 可选: 要返回频谱的哪一侧。'default' 对于实数数据是单侧的，对于复数数据是双侧的。'onesided' 强制返回单侧频谱，而 'twosided' 强制返回双侧频谱。
pad_toint, 可选: 执行FFT时数据段填充的点数。虽然这不会增加频谱的实际分辨率（可分辨峰值之间的最小距离），但这可以在图中提供更多点，从而允许更多细节。这对应于调用 fft 时的 n 参数。默认值为 None，这会将 pad_to 设置为输入信号的长度（即不填充）。

返回:

光谱一维数组: 频率谱的角度（包裹相位谱）。
频率一维数组: 与 spectrum 中的元素对应的频率。

参见

psd: 返回功率谱密度。
complex_spectrum: 返回复数值的频谱。
magnitude_spectrum: 返回 complex_spectrum 的绝对值。
angle_spectrum: 返回 complex_spectrum 的角度。
phase_spectrum: 返回 complex_spectrum 的相位（未包裹的角度）。
specgram: 可以返回信号内各段的复杂频谱。

matplotlib.mlab.cohere(x, y, NFFT=256, Fs=2, detrend=<function detrend_none>, window=<function window_hanning>, noverlap=0, pad_to=None, sides='default', scale_by_freq=None)[源代码][源代码]#

The coherence between x and y. Coherence is the normalized cross spectral density:

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

参数:

x, y: 包含数据的数组或序列
Fs浮点数, 默认值: 2: 采样频率（每时间单位的样本数）。它用于计算傅里叶频率，freqs，以每时间单位的周期数表示。
window : 可调用对象或 ndarray, 默认: window_hanning可调用对象或 ndarray，默认值：: 一个函数或长度为 NFFT 的向量。要创建窗口向量，请参见 window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window 等。如果将函数作为参数传递，它必须接受一个数据段作为参数，并返回该段的窗口化版本。
边{'单面', '双面'}, 可选: 要返回频谱的哪一侧。'default' 对于实数数据是单侧的，对于复数数据是双侧的。'onesided' 强制返回单侧频谱，而 'twosided' 强制返回双侧频谱。
pad_toint, 可选: 执行FFT时数据段填充的点数。这可以与指定使用的数据点数的*NFFT*不同。虽然不会增加频谱的实际分辨率（可分辨峰值之间的最小距离），但这可以在图中提供更多点，允许更详细的信息。这对应于调用`~numpy.fft.fft`时的*n*参数。默认值为None，它将*pad_to*设置为等于*NFFT*。
NFFTint, 默认值: 256: 用于每个块中进行FFT的数据点数量。最有效的值是2的幂。这不应用于获取零填充，否则结果的缩放将不正确；应改用 pad_to 来实现此目的。
detrend{'none', 'mean', 'linear'} 或可调用对象，默认值：'none': 在执行傅里叶变换之前应用于每个片段的函数，旨在去除均值或线性趋势。与 MATLAB 中 detrend 参数是一个向量不同，在 Matplotlib 中它是一个函数。mlab 模块定义了 detrend_none、detrend_mean 和 detrend_linear，但你也可以使用自定义函数。你还可以使用字符串来选择其中一个函数：'none' 调用 detrend_none。'mean' 调用 detrend_mean。'linear' 调用 detrend_linear。
scale_by_freqbool, 默认值: True: 生成的密度值是否应按缩放频率进行缩放，以单位1/Hz表示密度。这允许对返回的频率值进行积分。默认值为True，以保持与MATLAB的兼容性。
noverlapint, 默认值: 0 (无重叠): 线段之间的重叠点数。

返回:

Cxy一维数组: 相干向量。
频率一维数组: 元素 Cxy 的频率。

参见

psd(), csd(): 关于用于计算 \(P_{xy}\)、\(P_{xx}\) 和 \(P_{yy}\) 的方法的信息。

matplotlib.mlab.complex_spectrum(x, Fs=None, window=None, pad_to=None, sides=None)#

计算 x 的复数值频谱。数据被填充到长度为 pad_to ，并且窗函数 window 被应用于信号。

参数:

x一维数组或序列: 包含数据的数组或序列
Fs浮点数, 默认值: 2: 采样频率（每时间单位的样本数）。它用于计算傅里叶频率，freqs，以每时间单位的周期数表示。
window : 可调用对象或 ndarray, 默认: window_hanning可调用对象或 ndarray，默认值：: 一个函数或长度为 NFFT 的向量。要创建窗口向量，请参见 window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window 等。如果将函数作为参数传递，它必须接受一个数据段作为参数，并返回该段的窗口化版本。
边{'单面', '双面'}, 可选: 要返回频谱的哪一侧。'default' 对于实数数据是单侧的，对于复数数据是双侧的。'onesided' 强制返回单侧频谱，而 'twosided' 强制返回双侧频谱。
pad_toint, 可选: 执行FFT时数据段填充的点数。虽然这不会增加频谱的实际分辨率（可分辨峰值之间的最小距离），但这可以在图中提供更多点，从而允许更多细节。这对应于调用 fft 时的 n 参数。默认值为 None，这会将 pad_to 设置为输入信号的长度（即不填充）。

返回:

光谱一维数组: 复数值的频谱。
频率一维数组: 与 spectrum 中的元素对应的频率。

参见

psd: 返回功率谱密度。
complex_spectrum: 返回复数值的频谱。
magnitude_spectrum: 返回 complex_spectrum 的绝对值。
angle_spectrum: 返回 complex_spectrum 的角度。
phase_spectrum: 返回 complex_spectrum 的相位（未包裹的角度）。
specgram: 可以返回信号内各段的复杂频谱。

matplotlib.mlab.csd(x, y, NFFT=None, Fs=None, detrend=None, window=None, noverlap=None, pad_to=None, sides=None, scale_by_freq=None)[源代码][源代码]#

计算交叉谱密度。

通过Welch的平均周期图法计算的交叉谱密度 \(P_{xy}\) 。向量 x 和 y 被分成 NFFT 长度的段。每一段通过函数 detrend 去趋势，并通过函数 window 加窗。noverlap 给出段之间的重叠长度。 x 和 y 的直接FFT的乘积在每一段上平均，以计算 \(P_{xy}\) ，并进行缩放以校正由于加窗导致的功率损失。

如果 len(x) < NFFT 或 len(y) < NFFT，它们将被零填充到 NFFT。

参数:

x, y一维数组或序列: 包含数据的数组或序列
Fs浮点数, 默认值: 2: 采样频率（每时间单位的样本数）。它用于计算傅里叶频率，freqs，以每时间单位的周期数表示。
window : 可调用对象或 ndarray, 默认: window_hanning可调用对象或 ndarray，默认值：: 一个函数或长度为 NFFT 的向量。要创建窗口向量，请参见 window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window 等。如果将函数作为参数传递，它必须接受一个数据段作为参数，并返回该段的窗口化版本。
边{'单面', '双面'}, 可选: 要返回频谱的哪一侧。'default' 对于实数数据是单侧的，对于复数数据是双侧的。'onesided' 强制返回单侧频谱，而 'twosided' 强制返回双侧频谱。
pad_toint, 可选: 执行FFT时数据段填充的点数。这可以与指定使用的数据点数的*NFFT*不同。虽然不会增加频谱的实际分辨率（可分辨峰值之间的最小距离），但这可以在图中提供更多点，允许更详细的信息。这对应于调用`~numpy.fft.fft`时的*n*参数。默认值为None，它将*pad_to*设置为等于*NFFT*。
NFFTint, 默认值: 256: 用于每个块中进行FFT的数据点数量。最有效的值是2的幂。这不应用于获取零填充，否则结果的缩放将不正确；应改用 pad_to 来实现此目的。
detrend{'none', 'mean', 'linear'} 或可调用对象，默认值：'none': 在执行傅里叶变换之前应用于每个片段的函数，旨在去除均值或线性趋势。与 MATLAB 中 detrend 参数是一个向量不同，在 Matplotlib 中它是一个函数。mlab 模块定义了 detrend_none、detrend_mean 和 detrend_linear，但你也可以使用自定义函数。你还可以使用字符串来选择其中一个函数：'none' 调用 detrend_none。'mean' 调用 detrend_mean。'linear' 调用 detrend_linear。
scale_by_freqbool, 默认值: True: 生成的密度值是否应按缩放频率进行缩放，以单位1/Hz表示密度。这允许对返回的频率值进行积分。默认值为True，以保持与MATLAB的兼容性。
noverlapint, 默认值: 0 (无重叠): 线段之间的重叠点数。

返回:

Pxy一维数组: 交叉谱 \(P_{xy}\) 在缩放前的值（实数值）
频率一维数组: 与 Pxy 中的元素对应的频率

参见

psd: 等同于设置 y = x。

参考文献

Bendat & Piersol -- 随机数据：分析与测量程序，John Wiley & Sons (1986)

matplotlib.mlab.detrend(x, key=None, axis=None)[源代码][源代码]#

返回去除趋势后的 x。

参数:

x数组或序列: 包含数据的数组或序列。
关键{'default', 'constant', 'mean', 'linear', 'none'} 或函数: 要使用的去趋势算法。'default', 'mean', 和 'constant' 与 detrend_mean 相同。'linear' 与 detrend_linear 相同。'none' 与 detrend_none 相同。默认值是 'mean'。有关算法的更多详细信息，请参阅相应的函数。也可以是一个执行去趋势操作的函数。
轴整数: 进行去趋势处理的轴。

参见

detrend_mean: 实现 'mean' 算法。
detrend_linear: 实现 'linear' 算法。
detrend_none: 实现 'none' 算法。

matplotlib.mlab.detrend_linear(y)[源代码][源代码]#

返回 x 减去最佳拟合线；'线性' 去趋势。

参数:

y0-D 或 1-D 数组或序列: 包含数据的数组或序列

参见

detrend_mean: 另一种去趋势算法。
detrend_none: 另一种去趋势算法。
detrend: 所有去趋势算法的包装器。

matplotlib.mlab.detrend_mean(x, axis=None)[源代码][源代码]#

返回 x 减去均值(x)。

参数:

x数组或序列: 包含数据的数组或序列可以有任意维度
轴整数: 沿哪个轴取平均值。关于此参数的描述，请参见 numpy.mean。

参见

detrend_linear: 另一种去趋势算法。
detrend_none: 另一种去趋势算法。
detrend: 所有去趋势算法的包装器。

matplotlib.mlab.detrend_none(x, axis=None)[源代码][源代码]#

返回 x：不进行去趋势处理。

参数:

x任何对象: 包含数据的对象
轴整数: 此参数被忽略。它包含在内是为了与 detrend_mean 兼容。

参见

detrend_mean: 另一种去趋势算法。
detrend_linear: 另一种去趋势算法。
detrend: 所有去趋势算法的包装器。

matplotlib.mlab.magnitude_spectrum(x, Fs=None, window=None, pad_to=None, sides=None)#

计算 x 的频率谱的幅度（绝对值）。数据被填充到长度为 pad_to，并且窗函数 window 被应用于信号。

参数:

x一维数组或序列: 包含数据的数组或序列
Fs浮点数, 默认值: 2: 采样频率（每时间单位的样本数）。它用于计算傅里叶频率，freqs，以每时间单位的周期数表示。
window : 可调用对象或 ndarray, 默认: window_hanning可调用对象或 ndarray，默认值：: 一个函数或长度为 NFFT 的向量。要创建窗口向量，请参见 window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window 等。如果将函数作为参数传递，它必须接受一个数据段作为参数，并返回该段的窗口化版本。
边{'单面', '双面'}, 可选: 要返回频谱的哪一侧。'default' 对于实数数据是单侧的，对于复数数据是双侧的。'onesided' 强制返回单侧频谱，而 'twosided' 强制返回双侧频谱。
pad_toint, 可选: 执行FFT时数据段填充的点数。虽然这不会增加频谱的实际分辨率（可分辨峰值之间的最小距离），但这可以在图中提供更多点，从而允许更多细节。这对应于调用 fft 时的 n 参数。默认值为 None，这会将 pad_to 设置为输入信号的长度（即不填充）。

返回:

光谱一维数组: 频率谱的幅度（绝对值）。
频率一维数组: 与 spectrum 中的元素对应的频率。

参见

psd: 返回功率谱密度。
complex_spectrum: 返回复数值的频谱。
magnitude_spectrum: 返回 complex_spectrum 的绝对值。
angle_spectrum: 返回 complex_spectrum 的角度。
phase_spectrum: 返回 complex_spectrum 的相位（未包裹的角度）。
specgram: 可以返回信号内各段的复杂频谱。

matplotlib.mlab.phase_spectrum(x, Fs=None, window=None, pad_to=None, sides=None)#

计算 x 的频率谱的相位（解缠相位谱）。数据被填充到长度为 pad_to ，并且窗函数 window 被应用于信号。

参数:

x一维数组或序列: 包含数据的数组或序列
Fs浮点数, 默认值: 2: 采样频率（每时间单位的样本数）。它用于计算傅里叶频率，freqs，以每时间单位的周期数表示。
window : 可调用对象或 ndarray, 默认: window_hanning可调用对象或 ndarray，默认值：: 一个函数或长度为 NFFT 的向量。要创建窗口向量，请参见 window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window 等。如果将函数作为参数传递，它必须接受一个数据段作为参数，并返回该段的窗口化版本。
边{'单面', '双面'}, 可选: 要返回频谱的哪一侧。'default' 对于实数数据是单侧的，对于复数数据是双侧的。'onesided' 强制返回单侧频谱，而 'twosided' 强制返回双侧频谱。
pad_toint, 可选: 执行FFT时数据段填充的点数。虽然这不会增加频谱的实际分辨率（可分辨峰值之间的最小距离），但这可以在图中提供更多点，从而允许更多细节。这对应于调用 fft 时的 n 参数。默认值为 None，这会将 pad_to 设置为输入信号的长度（即不填充）。

返回:

光谱一维数组: 频率谱的相位（展开的相位谱）。
频率一维数组: 与 spectrum 中的元素对应的频率。

参见

psd: 返回功率谱密度。
complex_spectrum: 返回复数值的频谱。
magnitude_spectrum: 返回 complex_spectrum 的绝对值。
angle_spectrum: 返回 complex_spectrum 的角度。
phase_spectrum: 返回 complex_spectrum 的相位（未包裹的角度）。
specgram: 可以返回信号内各段的复杂频谱。

matplotlib.mlab.psd(x, NFFT=None, Fs=None, detrend=None, window=None, noverlap=None, pad_to=None, sides=None, scale_by_freq=None)[源代码][源代码]#

计算功率谱密度。

通过Welch平均周期图法计算的功率谱密度 \(P_{xx}\)。向量 x 被分成 NFFT 长度的段。每段通过函数 detrend 去趋势化，并通过函数 window 加窗。noverlap 给出段之间的重叠长度。每个段 \(i\) 的 \(|\mathrm{fft}(i)|^2\) 被平均以计算 \(P_{xx}\)。

如果 len(x) < NFFT，它将被零填充到 NFFT。

参数:

x一维数组或序列: 包含数据的数组或序列
Fs浮点数, 默认值: 2: 采样频率（每时间单位的样本数）。它用于计算傅里叶频率，freqs，以每时间单位的周期数表示。
window : 可调用对象或 ndarray, 默认: window_hanning可调用对象或 ndarray，默认值：: 一个函数或长度为 NFFT 的向量。要创建窗口向量，请参见 window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window 等。如果将函数作为参数传递，它必须接受一个数据段作为参数，并返回该段的窗口化版本。
边{'单面', '双面'}, 可选: 要返回频谱的哪一侧。'default' 对于实数数据是单侧的，对于复数数据是双侧的。'onesided' 强制返回单侧频谱，而 'twosided' 强制返回双侧频谱。
pad_toint, 可选: 执行FFT时数据段填充的点数。这可以与指定使用的数据点数的*NFFT*不同。虽然不会增加频谱的实际分辨率（可分辨峰值之间的最小距离），但这可以在图中提供更多点，允许更详细的信息。这对应于调用`~numpy.fft.fft`时的*n*参数。默认值为None，它将*pad_to*设置为等于*NFFT*。
NFFTint, 默认值: 256: 用于每个块中进行FFT的数据点数量。最有效的值是2的幂。这不应用于获取零填充，否则结果的缩放将不正确；应改用 pad_to 来实现此目的。
detrend{'none', 'mean', 'linear'} 或可调用对象，默认值：'none': 在执行傅里叶变换之前应用于每个片段的函数，旨在去除均值或线性趋势。与 MATLAB 中 detrend 参数是一个向量不同，在 Matplotlib 中它是一个函数。mlab 模块定义了 detrend_none、detrend_mean 和 detrend_linear，但你也可以使用自定义函数。你还可以使用字符串来选择其中一个函数：'none' 调用 detrend_none。'mean' 调用 detrend_mean。'linear' 调用 detrend_linear。
scale_by_freqbool, 默认值: True: 生成的密度值是否应按缩放频率进行缩放，以单位1/Hz表示密度。这允许对返回的频率值进行积分。默认值为True，以保持与MATLAB的兼容性。
noverlapint, 默认值: 0 (无重叠): 线段之间的重叠点数。

返回:

Pxx一维数组: 功率谱 \(P_{xx}\) 的值（实数）
频率一维数组: 与 Pxx 中的元素对应的频率

参见

specgram: specgram 在默认重叠上有所不同；在不会返回段周期图的平均值；以及在返回段的时间上。
magnitude_spectrum: 返回幅度谱。
csd: 返回两个信号之间的频谱密度。

参考文献

Bendat & Piersol -- 随机数据：分析与测量程序，John Wiley & Sons (1986)

matplotlib.mlab.specgram(x, NFFT=None, Fs=None, detrend=None, window=None, noverlap=None, pad_to=None, sides=None, scale_by_freq=None, mode=None)[源代码][源代码]#

计算频谱图。

计算并绘制数据 x 的频谱图。数据被分割成 NFFT 长度的段，并计算每一段的频谱。窗函数 window 应用于每一段，每段的交叠量由 noverlap 指定。

参数:

x类数组

一维数组或序列。

Fs浮点数, 默认值: 2

采样频率（每时间单位的样本数）。它用于计算傅里叶频率，freqs，以每时间单位的周期数表示。

window : 可调用对象或 ndarray, 默认: window_hanning可调用对象或 ndarray，默认值：

一个函数或长度为 NFFT 的向量。要创建窗口向量，请参见 window_hanning, window_none, numpy.blackman, numpy.hamming, numpy.bartlett, scipy.signal, scipy.signal.get_window 等。如果将函数作为参数传递，它必须接受一个数据段作为参数，并返回该段的窗口化版本。

边{'单面', '双面'}, 可选

要返回频谱的哪一侧。'default' 对于实数数据是单侧的，对于复数数据是双侧的。'onesided' 强制返回单侧频谱，而 'twosided' 强制返回双侧频谱。

pad_toint, 可选

执行FFT时数据段填充的点数。这可以与指定使用的数据点数的*NFFT*不同。虽然不会增加频谱的实际分辨率（可分辨峰值之间的最小距离），但这可以在图中提供更多点，允许更详细的信息。这对应于调用`~numpy.fft.fft`时的*n*参数。默认值为None，它将*pad_to*设置为等于*NFFT*。

NFFTint, 默认值: 256

用于每个块中进行FFT的数据点数量。最有效的值是2的幂。这不应用于获取零填充，否则结果的缩放将不正确；应改用 pad_to 来实现此目的。

detrend{'none', 'mean', 'linear'} 或可调用对象，默认值：'none'

在执行傅里叶变换之前应用于每个片段的函数，旨在去除均值或线性趋势。与 MATLAB 中 detrend 参数是一个向量不同，在 Matplotlib 中它是一个函数。mlab 模块定义了 detrend_none、detrend_mean 和 detrend_linear，但你也可以使用自定义函数。你还可以使用字符串来选择其中一个函数：'none' 调用 detrend_none。'mean' 调用 detrend_mean。'linear' 调用 detrend_linear。

scale_by_freqbool, 默认值: True

生成的密度值是否应按缩放频率进行缩放，以单位1/Hz表示密度。这允许对返回的频率值进行积分。默认值为True，以保持与MATLAB的兼容性。

noverlapint, 默认值: 128

块之间重叠点的数量。

模式str, 默认值: 'psd'

使用哪种光谱：

'psd': 返回功率谱密度。
复杂: 返回复数值的频谱。
'大小': 返回幅度谱。
'角度': 返回未解缠的相位谱。
'阶段': 返回解缠后的相位谱。

返回:

光谱类数组: 二维数组，列是连续段的周期图。
频率类数组: 一维数组，对应于 spectrum 中的行频率。
t类数组: 一维数组，对应于段中点的时间（即 spectrum 中的列）。

参见

psd: 在重叠和返回值上有所不同。
complex_spectrum: 类似的，但具有复数值的频率。
magnitude_spectrum: 当 mode 为 'magnitude' 时，类似的单段。
angle_spectrum: 当 mode 为 'angle' 时，类似于单段。
phase_spectrum: 类似于单段模式，当 mode 为 'phase' 时。

注释

detrend 和 scale_by_freq 仅在 mode 设置为 'psd' 时适用。

matplotlib.mlab.window_hanning(x)[源代码][源代码]#

返回长度为 x 的汉宁（或汉恩）窗口的 x 倍。

参见

window_none: 另一种窗口算法。

matplotlib.mlab.window_none(x)[源代码][源代码]#

没有窗口函数；直接返回 x。

参见

window_hanning: 另一种窗口算法。

matplotlib.mlab#

光谱函数#

`matplotlib.mlab`#