如何以与pylab的specgram（）相同的方式绘制频谱图？

Question

在Pylab中，specgram()函数为给定的幅度列表创建频谱图，并自动为频谱图创建一个窗口。

我想生成频谱图（瞬时功率由Pxx给出），通过在其上运行边缘检测器对其进行修改，然后绘制结果。

(Pxx, freqs, bins, im) = pylab.specgram( self.data, Fs=self.rate, ...... )

问题在于，每当我尝试使用Pxx甚至imshow绘制修改后的NonUniformImage时，我都会遇到以下错误消息。

  

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/matplotlib/image.py:336:UserWarning：非线性轴不支持图像。     warnings.warn（“非线性轴不支持图像。”）

例如，我正在处理的代码的一部分在下面。

    # how many instantaneous spectra did we calculate
    (numBins, numSpectra) = Pxx.shape

    # how many seconds in entire audio recording
    numSeconds = float(self.data.size) / self.rate


    ax = fig.add_subplot(212)
    im = NonUniformImage(ax, interpolation='bilinear')

    x = np.arange(0, numSpectra)
    y = np.arange(0, numBins)
    z = Pxx
    im.set_data(x, y, z)
    ax.images.append(im) 
    ax.set_xlim(0, numSpectra)
    ax.set_ylim(0, numBins)
    ax.set_yscale('symlog') # see http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.set_yscale
    ax.set_title('Spectrogram 2')

实际问题

如何使用matplotlib / pylab在对数y轴上绘制类似图像的数据？

Answer 1

使用pcolor或pcolormesh。 pcolormesh要快得多，但仅限于直线网格，而pcolor可以处理任意形状的单元格。如果我没记错的话， specgram会使用pcolormesh。（它使用imshow。）

作为一个简单的例子：

import numpy as np
import matplotlib.pyplot as plt

z = np.random.random((11,11))
x, y = np.mgrid[:11, :11]

fig, ax = plt.subplots()
ax.set_yscale('symlog')
ax.pcolormesh(x, y, z)
plt.show()

您所看到的差异是由于绘制了specgram返回的“原始”值。 specgram实际绘制的是缩放版本。

import matplotlib.pyplot as plt
import numpy as np

x = np.cumsum(np.random.random(1000) - 0.5)

fig, (ax1, ax2) = plt.subplots(nrows=2)
data, freqs, bins, im = ax1.specgram(x)
ax1.axis('tight')

# "specgram" actually plots 10 * log10(data)...
ax2.pcolormesh(bins, freqs, 10 * np.log10(data))
ax2.axis('tight')

plt.show()

请注意，当我们使用pcolormesh绘制内容时，没有插值。 （这是pcolormesh点的一部分 - 它只是矢量矩形而不是图像。）

如果您想要对数比例，可以使用pcolormesh：

import matplotlib.pyplot as plt
import numpy as np

x = np.cumsum(np.random.random(1000) - 0.5)

fig, (ax1, ax2) = plt.subplots(nrows=2)
data, freqs, bins, im = ax1.specgram(x)
ax1.axis('tight')

# We need to explictly set the linear threshold in this case...
# Ideally you should calculate this from your bin size...
ax2.set_yscale('symlog', linthreshy=0.01)

ax2.pcolormesh(bins, freqs, 10 * np.log10(data))
ax2.axis('tight')

plt.show()