Help us understand the problem. What is going on with this article?

matplotlibのspecgram

More than 1 year has passed since last update.

matplotlibのspecgramを翻訳したもの。

Call signature:

matplotlib.pyplot.specgram(x, NFFT=256, Fs=2, Fc=0, detrend=malab.detrend_none, window=mlab.window_hanning, noverlap=128, cmap=None, xextent=None, pad_to=None, sides='default', sides='default', scale_by_freq=None, mode='default', scale='default', **kwargs)
パラメータ名 データ 説明
x 1次元配列またはシーケンス データを含む配列またはシーケンス
Fs スカラー サンプル周波数(単位時間あたりのサンプル数)。フーリエ周波数freqを単位時間ごとのサイクルで計算するために使用される。デフォルト値は2
window 長さNFFTの関数またはベクトル 窓関数。参照窓関数を作成するには、numpy.blackman(), numpy.hamming(), numpy.bartlett(), scipy.signal(), scipy.signal.get_sindow()などを使用。デフォルトはwindow_hamming()。
sides {'default', 'onesided', 'twosided'} スペクトルのどちら側を返すかを指定。デフォルトは実際のデータに対しては片面、複雑なデータに対しては両面返す。'onesided'では片側のスペクトル、'twosided'では両側のスペクトル
pad_to int FFTを実行するときにデータセグメントが埋められるポイントの数。デフォルトはNone。
NFFT int FFTの各ブロックで使用されるデータポイントの数。デフォルト値は256。
detrend {'default', 'constant', 'mean', 'linear', 'none'} fft-ingの前に各セグメントに適用され、平均または線形傾向を除去するように設計された関数。
scale_by_freq bool 結果の密度値をスケーリング頻度でスケーリングするかどうかを指定する。
mode {'default', 'psd', 'magnitude', 'angle', 'phase'} 使用するスペクトルの種類。デフォルトは'psd'でパワースペクトル密度。'magnitude'はマグニチュードスペクトル。'angle'はアンラッピングなしの位相スペクトル。'phase'はアンラッピングを伴う位相スペクトルを返す。
noverlap int ブロック間の重複ポイントの数。デフォルト値は128。
scale {'default', 'linear', 'dB'} スケーリングスペック。'linear'はスケーリングされない。'dB'はdBスケールで値を返す。
Fc int xの中心周波数。デフォルトは0。
cmap matplotlib.colors.Colomapインスタンス Noneの場合、rcによって決定されるデフォルトを使用する。
xextent Noneまたは(xmin, xmax) x軸に沿った画像範囲。
**kwargs スペクトログラムを作成するimshowに追加するkwargが渡される。
戻り値名 データ 説明
spectrum 2次元の配列 列は連続するセグメントのピリオドグラム。
freqs 一次元配列 スペクトルの行に対応する周波数。
t 一次元配列 セグメントの中点に対応する時間。
im AxesImageクラスのインスタンス スペクトログラムを含むimshowによって作成された画像。
wataoka
専門は機械学習の公平性です
https://twitter.com/wataoka_koki
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした