将时间序列转换为图像矩阵

时间:2018-05-25 09:36:02

标签: python numpy matplotlib numpy-ndarray

我有一个numpy数组X的时间服务。这样的事情:

[[0.05, -0.021, 0.003, 0.025, -0.001, -0.023, 0.095, 0.001, -0.018]
[0.015, 0.011, -0.032, -0.044, -0.002, 0.032, -0.051, -0.03, -0.020]
[0.04, 0.081, -0.02, 0.014, 0.063, -0.077, 0.059, 0.031, 0.025]]

我可以用

来绘制
fig, axes = plt.subplots(3, 1)
for i in range(3):
    axes[i].plot(X[i])
plt.show()

然后出现类似下面的内容(图表显示我上面写的示例值,但其他值具有相似的结构)。所以X中的每一行都是一个时间序列。 enter image description here

但我希望有一个numpy数组,它将每个时间序列描述为灰度图像(因为我想稍后将它用于cnn)。所以我认为我需要的应该是这样的:

[[[0, 0, 0, 0, 0, 1]
[0, 0, 0, 0, 1, 0]
[0, 0, 0, 0, 0, 1]
[0, 0, 1, 0, 0, 0]]
[[0, 0, 1, 0, 0, 0]
[0, 0, 0, 1, 0, 0]
[0, 1, 0, 0, 0, 0]
[0, 1, 0, 0, 0, 0]]...]

如何(如果可能:有效)将每个时间序列转换为矩阵,将时间序列描述为图像。所以旧数组中的每一行(例如:

[0.05, -0.021, 0.003, 0.025, -0.001, -0.023, 0.095, 0.001, -0.018]

应该转换为2D矩阵(例如:

[[0, 0, 0, 0, 0, 1] [0, 0, 0, 0, 1, 0] [0, 0, 0, 0, 0, 1] [0, 0, 1, 0, 0, 0]]

替代说明: X中的每一行都描述了一个时间序列。对于X中的每一行,我需要一个2D矩阵,将时间序列描述为图像(如上图所示)

“解决方案”:似乎没有很好的解决方案来做到这一点。我现在使用了这种解决方法:

fig = plt.figure()
fig.add_subplot(111)
fig.tight_layout(pad=0)
plt.axis('off')
plt.plot(X[0], linewidth=3)
fig.canvas.draw()
data = np.fromstring(fig.canvas.tostring_rgb(), dtype=np.uint8, sep='')
data = data.reshape(fig.canvas.get_width_height()[::-1] + (3,))

data现在包含2D矩阵,可能再次使用plt.imshow(data)绘制,但质量会有所下降。

2 个答案:

答案 0 :(得分:1)

看看这些kaggle challange。它认为您还希望像他们一样实现this paper的各个部分。

也许您也可以使用他们从另一个SO问题中采用的功能:

#modified from https://stackoverflow.com/questions/33650371/recurrence-plot-in-python
def recurrence_plot(s, eps=None, steps=None):
    if eps==None: eps=0.1
    if steps==None: steps=10
    d = sk.metrics.pairwise.pairwise_distances(s)
    d = np.floor(d / eps)
    d[d > steps] = steps
    #Z = squareform(d)
    return d

答案 1 :(得分:0)

你应该用不同的方式写X:

import numpy as np
X = np.array([[0.05, -0.021, 0.003, 0.025, -0.001, -0.023, 0.095, 0.001, -0.018],
[0.015, 0.011, -0.032, -0.044, -0.002, 0.032, -0.051, -0.03, -0.020],
[0.04, 0.081, -0.02, 0.014, 0.063, -0.077, 0.059, 0.031, 0.025]])

它会为您提供正确的值。然后是灰度图像:

plt.figure()
plt.imshow(X, cmap = 'gray')