运行matpplotlib的specgram命令时,Ubuntu上的Python MemoryError问题,但不会出现在Windows上

时间:2013-02-28 17:11:05

标签: python matplotlib ubuntu-12.04

我真诚地感谢您对以下方面的帮助:

我试图在双启动笔记本电脑上运行一些python代码(使用Ipython,Python版本2.7.3)( - Ubuntu 12.04 LTS,64位和MS Windows 7 64位)。在Windows中运行代码工作正常,但由于某种原因在Ubuntu中给我内存错误。我不确定这是python问题还是操作系统问题。我会坚持在MS窗口上运行代码,但这有自己的问题,我正在努力,包括导入库等,这是我在Ubuntu中运行代码时没有的。

代码相当直接。作为参考,我有一个大的二进制文件,它代表实验室中3个通道的16位带符号数。仪器。数据以10MS / s进行采样。该文件是~1.G Gbytes,代表大约25秒的数据。在下面的代码中,我将数据读入“数据”,现在想用Matplotlib的specgram函数绘制光谱图。这部分在Windows中运行良好,但不适用于Ubuntu。

一些代码......

import os
import sys
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.mlab as mlab
file = "data_stream.srm"
with open(file,'rb') as fd:
fd.seek(0)
data = np.fromfile(fd,dtype=[('ch0','<i2'),('ch1','<i2'),('ch2','<i2')]) 

数据内容(原始信号值)如下所示:

array([(-1, 5, -3), (-4, 3, -4), (-6, 0, -3), ..., (-1, -2, 0),
   (-2, -1, -2), (-2, -2, -1)], 
  dtype=[('ch0', '<i2'), ('ch1', '<i2'), ('ch2', '<i2')])

可能不是最好的方法,但它可以正常工作(在Ubuntu和Windows上)。数据大小(使用data.shape)给出(261144000,)。本来希望看到形状是(261144000,3),因为这个大数字是每个通道有3个行的行数(因而是值的数量)。例如输入:

len(data'ch0']) 

返回,261144000

下一期是使用matplotlib的specgram函数

的频谱图
   specgram(x, NFFT=256, Fs=2, Fc=0, detrend=mlab.detrend_none,
    window=mlab.window_hanning, noverlap=128,
    cmap=None, xextent=None, pad_to=None, sides='default',
    scale_by_freq=None, **kwargs)

一些代码......

ADCR = 12        # ADC Resolution in bits
    VOLT = 5.0       # Voltage range
    SF = VOLT/(2**ADCR)  # scaling factor to convert raw ADC values to volts  

    w_length= 512 
    nFFT=2 * w_length
    n_overlap=np.fix(w_length/2)
    p_to = 4 *w_length
    cmap=plt.cm.seismic
    Fs = 10E6 # Sampling Frequency
    fig=plt.figure()
    ax=fig.add_subplot(111)
    Pxx, freqs, bins,im =    


plt.specgram((data['ch1'])*SF,NFFT=nFFT,Fs=Fs,noverlap=n_overlap,pad_to=p_to,cmap=cmap)

运行这最后一个命令可以在Windows中运行,但不适用于Ubuntu。我收到以下消息:

内存错误...“无法发布图片,因为我需要10个信誉才能发布”

MemoryError                               Traceback (most recent call last)
/media/IomegaHDD/<ipython-input-28-5144fe0c6918> in <module>()
----> 1 Pxx, freqs, bins, im = plt.specgram((data['ch1'])*SF,NFFT=nFFT,Fs=Fs,detrend=mlab.detrend_linear,noverlap=n_overlap,pad_to=p_to,scale_by_freq=True,cmap=cmap)

/usr/lib/pymodules/python2.7/matplotlib/pyplot.pyc in specgram(x, NFFT, Fs, Fc, detrend, window, noverlap, cmap, xextent, pad_to, sides, scale_by_freq, hold, **kwargs)
   2609         ax.hold(hold)
   2610     try:
-> 2611         ret = ax.specgram(x, NFFT, Fs, Fc, detrend, window, noverlap, cmap, xextent, pad_to, sides, scale_by_freq, **kwargs)
   2612         draw_if_interactive()
   2613     finally:

/usr/lib/pymodules/python2.7/matplotlib/axes.pyc in specgram(self, x, NFFT, Fs, Fc, detrend, window, noverlap, cmap, xextent, pad_to, sides, scale_by_freq, **kwargs)
   8146 
   8147         Pxx, freqs, bins = mlab.specgram(x, NFFT, Fs, detrend,
-> 8148              window, noverlap, pad_to, sides, scale_by_freq)
   8149 
   8150         Z = 10. * np.log10(Pxx)

/usr/lib/pymodules/python2.7/matplotlib/mlab.pyc in specgram(x, NFFT, Fs, detrend, window, noverlap, pad_to, sides, scale_by_freq)
    458 
    459     Pxx, freqs, t = _spectral_helper(x, x, NFFT, Fs, detrend, window,
--> 460         noverlap, pad_to, sides, scale_by_freq)
    461     Pxx = Pxx.real #Needed since helper implements generically
    462 

/usr/lib/pymodules/python2.7/matplotlib/mlab.pyc in _spectral_helper(x, y, NFFT, Fs, detrend, window, noverlap, pad_to, sides, scale_by_freq)
    256     ind = np.arange(0, len(x) - NFFT + 1, step)
    257     n = len(ind)
--> 258     Pxy = np.zeros((numFreqs, n), np.complex_)
    259 
    260     # do the ffts of the slices


MemoryError: 

正如我所说,这可能是一个我不知道的Ubuntu问题,因为我在Windows中运行代码时没有遇到此问题。然而,这与代码的其他后续部分有关。

非常感谢您的协助。

谢谢。

此致

威尔

1 个答案:

答案 0 :(得分:0)

您确定要运行32位Ubuntu发行版吗?您还必须运行64位版本的python。

如果这是问题,那就是32位操作系统(和程序)无法处理64位系统可以处理的大内存块这一事实。

告诉你是否有64位Linux,运行(在Ubuntu中)

$ uname -a

并寻找

  • x86_64 GNU/Linux - 64位
  • ia64 GNU/Linux - 64位
  • i386 GNU/Linux - 32位

要查看您是否有32位python可执行文件,请查看

$ file -L `which python`

并留意64s或32s。