可视化

DASPy通过 Section 类方法/函数 plot 进行图像绘制。

调用类方法绘制

绘制并显示图像：

>>> from daspy import read
>>> sec = read()
>>> sec.plot()
_images/waveform.png

添加 savefig 参数可以直接将图像保存为指定的文件名, dpi 参数以设置画布分辨率（每英寸上的点数）

>>> sec.plot(savefig='waveform.png', dpi=400)

在绘制频域图时，可设置 kwargs_pro 参数用于计算频域属性：

>>> sec.plot(obj='fk', kwargs_pro=dict(taper=(0.02, 0.05), nfft=(1024, 8192))) # 设置二维余弦尖灭的系数为(0.02,0.05)，二维快速傅里叶变换的点数为(1024, 8192)
_images/fk.png

在 Matplotlib.axes.Axes 中绘制图像：

>>> import matplotlib.pyplot as plt
>>> fig, ax = plt.subplots(2, 1, figsize=(6,6))
>>> sec.plot(ax=ax[0], obj='waveform', xmode='channel', tmode='origin', xlabel=False, transpose=True, vmax=0.05) # 设置空间轴为道号，时间轴为事件发生的时间，不绘制x轴标签，反转默认的x/y轴，设置数据范围为-0.05~0.05
>>> sec.plot(ax=ax[1], obj='spectrogram', tmode='origin', kwargs_pro=dict(noverlap=156)) # 两个时间点的计算之间重叠的点数为156
>>> plt.tight_layout()
>>> plt.show()
_images/plot_in_ax.png

调用函数绘制

先计算频域特征，对输出进行其他计算后，再使用 daspy.basic_tools.visualization.plot 函数绘制：

>>> import numpy as np
>>> from daspy.basic_tools.visualization import plot
>>> spec, f = sec.spectrum()
>>> spec = 10 * np.log10(abs(spec) ** 2) # 将频谱转换为以分贝（dB）为单位，以1为参考值
>>> plot(spec, obj='spectrum', f=f, xmode='channel') # 设置空间轴为道号，时间轴为事件发生的时间，反转默认的x/y轴
_images/spectrum.png