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并绘制数据集：
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 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()
与输出：
-99
and
其效果正如预期的那样！但如果我用 data2 尝试同样的事情，我会得到一个如下所示的图：
正向转变410。我想我只是不明白如何pd.shift()有效，但我希望我可以使用pd.shift()对齐我的数据集。据我了解，返回correlate()告诉我我的数据集有多远，所以我应该能够使用移位来重叠它们。
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：
