Pythonで時刻歴データ内の繰り返し部分を抽出する

１．時刻歴データから繰り返し部分を自動で抽出したい
２．抽出したデータを正規化して，オーバープロットしたい

時刻歴データサンプル

サンプルコードを示す．

extract_data.py

# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
from scipy.signal import find_peaks

def extract_and_normalize_patterns(data, num_patterns=5, threshold=0.5):
    # 自己相関関数を計算
    autocorr = np.correlate(data, data, mode='full')
    autocorr = autocorr[len(autocorr)//2:]
    
    # ピークを検出
    peaks, _ = find_peaks(autocorr, height=threshold*np.max(autocorr))
    
    if len(peaks) < 2:
        return []
    
    # 最初の2つのピーク間の距離を周期として使用
    period = peaks[1] - peaks[0]
    
    # 指定された数の繰り返しパターンを抽出
    patterns = []
    for i in range(num_patterns):
        start = i * period
        end = start + period
        if end > len(data):
            break
        pattern = data[start:end]
        
        # パターンを正規化
        normalized_pattern = (pattern - np.min(pattern)) / (np.max(pattern) - np.min(pattern))
        patterns.append(normalized_pattern)
    
    return patterns

# サンプルデータの生成（実際のデータに置き換えてください）
t = np.linspace(0, 20, 2000)
data = np.sin(2*np.pi*t) + 0.1*np.random.randn(len(t))

plt.figure(figsize=(12, 6))
plt.plot(t, data)
plt.title('Original Data')
plt.xlabel('Time')
plt.ylabel('Amplitude')
plt.show()
# 繰り返しパターンの抽出と正規化
normalized_patterns = extract_and_normalize_patterns(data, num_patterns=10)

if normalized_patterns:
    # 結果のプロット
    plt.figure(figsize=(12, 6))
    normalized_t = np.linspace(0, 1, len(normalized_patterns[0]))
    
    for i, pattern in enumerate(normalized_patterns):
        plt.plot(normalized_t, pattern, label=f'Pattern {i+1}', alpha=0.7)
    
    plt.title('Normalized Repetitive Patterns')
    plt.xlabel('Normalized Time')
    plt.ylabel('Normalized Amplitude')
    plt.legend()
    plt.grid(True)
    plt.show()
else:
    print("No repetitive patterns found.")