matplotlib 中小波分析输出的基本绘图

Question

感谢 python 模块pywt，我在实践中发现了小波。

我浏览了some examples of the pywt module usage，但我无法掌握关键步骤：我基本上不知道如何显示使用matplotlib进行小波分析的多维输出。

这是我尝试过的，（给定一把 pyplot ax ax）：

import pywt

data_1_dimension_series = [0,0.1,0.2,0.4,-0.1,-0.1,-0.3,-0.4,1.0,1.0,1.0,0] 
# indeed my data_1_dimension_series is much longer

cA, cD = pywt.dwt(data_1_dimension_series, 'haar')

ax.set_xlabel('seconds')
ax.set_ylabel('wavelet affinity by scale factor')

ax.plot(axe_wt_time, zip(cA,cD))

也可以

data_wt_analysis = pywt.dwt(data_1_dimension_series, 'haar')
ax.plot(axe_wt_time, data_wt_analysis) 

ax.plot(axe_wt_time, data_wt_analysis) 和 ax.plot(axe_wt_time, zip(cA,cD)) 都不合适并返回错误。两者都抛出x and y must have the same first dimension

问题是data_wt_analysis 确实包含几个一维序列，每个小波比例因子一个。 我当然可以显示与比例因子一样多的图表。但我希望它们都在同一张图中。

使用 matplotlib，我怎样才能在一张图中简单地显示这些数据？

类似于下面的彩色方块：

Answer 1

你应该从你感兴趣的数组中提取不同的一维序列，并像最简单的例子一样使用 matplotlib

import matplotlib.pyplot as plt
plt.plot([1,2,3,4])
plt.ylabel('some numbers')
plt.show()

from doc.

您希望叠加一维图（或线图）。所以，如果你有列表 l1、l2、l3，你会做

import matplotlib.pyplot as plt
plt.plot(l1)
plt.plot(l2)
plt.plot(l3)
plt.show()

对于尺度图：我使用的是imshow()。这不是用于小波，而是相同的 ID：颜色图。

我找到this sample 用于imshow() 与小波，没有尝试思考

from pylab import *
import pywt
import scipy.io.wavfile as wavfile

# Find the highest power of two less than or equal to the input.
def lepow2(x):
    return 2 ** floor(log2(x))

# Make a scalogram given an MRA tree.
def scalogram(data):
    bottom = 0

    vmin = min(map(lambda x: min(abs(x)), data))
    vmax = max(map(lambda x: max(abs(x)), data))

    gca().set_autoscale_on(False)

    for row in range(0, len(data)):
        scale = 2.0 ** (row - len(data))

        imshow(
            array([abs(data[row])]),
            interpolation = 'nearest',
            vmin = vmin,
            vmax = vmax,
            extent = [0, 1, bottom, bottom + scale])

        bottom += scale

# Load the signal, take the first channel, limit length to a power of 2 for simplicity.
rate, signal = wavfile.read('kitten.wav')
signal = signal[0:lepow2(len(signal)),0]
tree = pywt.wavedec(signal, 'db5')

# Plotting.
gray()
scalogram(tree)
show()