如何像 pylab 的 specgram() 一样绘制频谱图？

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窗口。

我想生成频谱图（瞬时功率由下式给出）Pxx），通过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, ...... )

问题是每当我尝试绘制修改后的Pxx using imshow甚至NonUniformImage，我遇到下面的错误消息。

/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如下所示。

    # 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 绘制具有对数 y 轴的类似图像的数据？

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

举个简单的例子：

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()

您看到的差异是由于绘制了“原始”值而导致的specgram返回。什么specgram实际上绘图是一个缩放版本。

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，当我们使用以下方式绘制事物时pcolormesh，没有插值。 （这是要点的一部分pcolormesh--它只是矢量矩形而不是图像。）

如果你想要对数刻度的东西，你可以使用pcolormesh用它：

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()