matplotlib绘制两个变量相关性图详解

最新推荐文章于 2024-07-15 21:59:37 发布

原创

最新推荐文章于 2024-07-15 21:59:37 发布 · 4.2k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

本文通过使用Python的NumPy和Matplotlib库，生成并分析了两个包含随机噪声的信号。详细介绍了如何设定随机数种子以确保实验结果的可重复性，以及如何使用np.arange()函数生成时间序列。并通过绘制信号的时域波形和相干性函数，展示了信号处理的基本技巧。

图示如下：

下面是代码解释，不懂得可以看注解每行都有解释

import numpy as np
import matplotlib.pyplot as plt

# Fixing random state for reproducibility
# 确定再现性的随机状态
# numpy.random.seed(0) ; numpy.random.rand(4)
# numpy.random.seed(0)是的确定随机数的开始值相同
# numpy.random.rand(4)随机生成四个数
#设计一个随机数种子
np.random.seed(19680801)

#步长为0.1
dt = 0.01

'''
np.arange()函数分为一个参数，两个参数，三个参数三种情况
1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数
'''
t = np.arange(0, 30, dt)

'''
numpy.random.rand()产生从[0,1) [0,1)[0,1)之间的随机数，没有负值
numpy.random.randn()产生服从正态分布的随机数，会出现负值
深度学习中的parameters是可能会有负值的，所以我们不使用numpy.random.rand()
'''
nse1 = np.random.randn(len(t))                 # white noise 1 白噪一
nse2 = np.random.randn(len(t))                 # white noise 2


# Two signals with a coherent part at 10Hz and a random part