使用pandas.shift（）根据scipy.signal.correlate对齐数据集

Question

我的数据集如下所示：data0，data1，data2（类似于时间与电压数据）

如果我使用以下代码加载和绘制数据集：

import pandas as pd
import numpy as np
from scipy import signal
from matplotlib import pylab as plt

data0 = pd.read_csv('data0.csv')
data1 = pd.read_csv('data1.csv')
data2 = pd.read_csv('data2.csv')

plt.plot(data0.x, data0.y, data1.x, data1.y, data2.x, data2.y)

我得到类似的东西：

现在我尝试将data0与data1：

相关联

shft01 = np.argmax(signal.correlate(data0.y, data1.y)) - len(data1.y)
print shft01
plt.figure()
plt.plot(data0.x, data0.y,
         data1.x.shift(-shft01), data1.y)
fig = plt.gcf()

带输出：

-99

和

正如预期的那样有效！但如果我用data2尝试相同的东西，我会得到一个看起来像的情节：

正向移位410。我想我只是不理解pd.shift()是如何工作的，但我希望我可以使用pd.shift()来对齐我的数据集。据我了解，correlate()的回复告诉我我的数据集离我有多远，所以我应该能够使用shift来重叠它们。

Answer 1

panda.shift()不是沿x轴移动曲线的正确方法。您应该调整点的X值：

plt.plot(data0.x, data0.y)
for target in [data1, data2]:
    dx = np.mean(np.diff(data0.x.values))
    shift = (np.argmax(signal.correlate(data0.y, target.y)) - len(target.y)) * dx
    plt.plot(target.x + shift, target.y)

这是输出：

Answer 2

@HYRY对您的回答进行了一次更正：len()（基于1）和np.argmax()（基于0）之间存在索引不匹配。该行应为：

shift = (np.argmax(signal.correlate(data0.y, target.y)) - (len(target.y)-1)) * dx

例如，在您的信号已经对齐的情况下：

len(target.y) = N（从一开始）

互相关函数的长度为2N-1，因此对齐数据的中心值为：

np.argmax(signal.correlate(data0.y, target.y) = N - 1（从零开始）

shift = ((N-1) - N) * dx =（ - 1）* dx，当我们真的想要0 * dx

时