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)

我有类似的东西:

现在我尝试将data0与data1关联起来:

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()

输出:

-99

和

这与预期一样有效!但如果我用data2尝试相同的东西,我得到一个看起来像的情节:

积极的转变410.我想我只是不理解它是如何pd.shift()工作的,但我希望我能用它pd.shift()来对齐我的数据集.据我了解,返回correlate()告诉我数据集离我有多远,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

@HYRYlen()对您答案的一个更正：从一开始的 和np.argmax()从零开始的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（基于一）

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，当我们真正想要 0 * dx 时