Python 抑制绘图并仅获取结果

我试图将两个信号对齐，以获得提供最佳系数的滞后。我正在使用matplotlib中的

xcorr

函数。我只对以下代码中的

z

感兴趣

有没有办法抑制绘图（我不想要绘图）并只得到结果

from matplotlib.pyplot import xcorr
z = xcorr([1.,2.,3.,4.,5.], [0,0,0,0,1.], normed=False, maxlags=4)
lagsOut = list(z[0])  
corrCoeff = list(z[1])

---

感谢

matplotlib

是一个绘图模块。如果不想打印，最好直接使用

numpy

。看

如果您还需要

xcorr

中的任何内容，可以使用

inspect.getsource

查看它的功能。这里是一个简略的转储：

def xcorr(self, x, y, normed=True, detrend=mlab.detrend_none,
          usevlines=True, maxlags=10, **kwargs):
        Nx = len(x)
        if Nx != len(y):
            raise ValueError('x and y must be equal length')

        x = detrend(np.asarray(x))
        y = detrend(np.asarray(y))

        c = np.correlate(x, y, mode=2)

        if normed:
            c /= np.sqrt(np.dot(x, x) * np.dot(y, y))

        if maxlags is None:
            maxlags = Nx - 1

        if maxlags >= Nx or maxlags < 1:
            raise ValueError('maglags must be None or strictly '
                             'positive < %d' % Nx)

        lags = np.arange(-maxlags, maxlags + 1)
        c = c[Nx - 1 - maxlags:Nx + maxlags]

        if usevlines:
            a = self.vlines(lags, [0], c, **kwargs)
            b = self.axhline(**kwargs)
        else:

            kwargs.setdefault('marker', 'o')
            kwargs.setdefault('linestyle', 'None')
            a, = self.plot(lags, c, **kwargs)
            b = None
        return lags, c, a, b

def xcorr（self，x，y，normed=True，detrend=mlab.detrend_none，
usevlines=True，maxlags=10，**kwargs）：
Nx=len（x）
如果Nx！=len（y）：
raise VALUE ERROR（'x和y的长度必须相等'）
x=趋势（np.asarray（x））
y=detrend（np.asarray（y））
c=np.相关（x，y，模式=2）
如果规范化：
c/=np.sqrt（np.dot（x，x）*np.dot（y，y））
如果maxlags为无：
maxlags=Nx-1
如果maxlags>=Nx或maxlags<1：
raise VALUE ERROR（'磁痕必须为无或严格为'
'正<%d'%Nx）
lags=np.arange（-maxlags，maxlags+1）
c=c[Nx-1-maxlags:Nx+maxlags]
如果使用以下线路：
a=自身尺寸线（滞后[0]，c，**kwargs）
b=self.axhline（**kwargs）
其他：
setdefault（'marker'，'o'）
kwargs.setdefault（'linestyle'，'None'）
a、 =自绘制（滞后，c，**kwargs）
b=无
返回滞后，c，a，b

matplotlib

是一个绘图模块。如果不想打印，最好直接使用

numpy

。看

如果您还需要

xcorr

中的任何内容，可以使用

inspect.getsource

查看它的功能。这里是一个简略的转储：

def xcorr(self, x, y, normed=True, detrend=mlab.detrend_none,
          usevlines=True, maxlags=10, **kwargs):
        Nx = len(x)
        if Nx != len(y):
            raise ValueError('x and y must be equal length')

        x = detrend(np.asarray(x))
        y = detrend(np.asarray(y))

        c = np.correlate(x, y, mode=2)

        if normed:
            c /= np.sqrt(np.dot(x, x) * np.dot(y, y))

        if maxlags is None:
            maxlags = Nx - 1

        if maxlags >= Nx or maxlags < 1:
            raise ValueError('maglags must be None or strictly '
                             'positive < %d' % Nx)

        lags = np.arange(-maxlags, maxlags + 1)
        c = c[Nx - 1 - maxlags:Nx + maxlags]

        if usevlines:
            a = self.vlines(lags, [0], c, **kwargs)
            b = self.axhline(**kwargs)
        else:

            kwargs.setdefault('marker', 'o')
            kwargs.setdefault('linestyle', 'None')
            a, = self.plot(lags, c, **kwargs)
            b = None
        return lags, c, a, b

def xcorr（self，x，y，normed=True，detrend=mlab.detrend_none，
usevlines=True，maxlags=10，**kwargs）：
Nx=len（x）
如果Nx！=len（y）：
raise VALUE ERROR（'x和y的长度必须相等'）
x=趋势（np.asarray（x））
y=detrend（np.asarray（y））
c=np.相关（x，y，模式=2）
如果规范化：
c/=np.sqrt（np.dot（x，x）*np.dot（y，y））
如果maxlags为无：
maxlags=Nx-1
如果maxlags>=Nx或maxlags<1：
raise VALUE ERROR（'磁痕必须为无或严格为'
'正<%d'%Nx）
lags=np.arange（-maxlags，maxlags+1）
c=c[Nx-1-maxlags:Nx+maxlags]
如果使用以下线路：
a=自身尺寸线（滞后[0]，c，**kwargs）
b=self.axhline（**kwargs）
其他：
setdefault（'marker'，'o'）
kwargs.setdefault（'linestyle'，'None'）
a、 =自绘制（滞后，c，**kwargs）
b=无
返回滞后，c，a，b

使用

np.关联

：

import numpy as np
x = [1., 2., 3., 4., 5.]
y = [0, 0, 0, 0, 1.]
corrCoef = np.correlate(x, y, 'full')
lagsOut = np.arange(-len(x)+1, len(x))

---

使用

np.correlate

：

import numpy as np
x = [1., 2., 3., 4., 5.]
y = [0, 0, 0, 0, 1.]
corrCoef = np.correlate(x, y, 'full')
lagsOut = np.arange(-len(x)+1, len(x))

正如我在这里回答的那样， 有时我们不能使用

numpy.correlate

，因为有时我们需要仅由

matplotlib.xcorr

提供的maxlags参数。但我知道，如果我们将复杂数据类型作为参数直接放入

matplotlib.xcorr

中，当matplotlib尝试绘制绘图时，我们将收到“将复杂数据类型转换为真实数据类型”警告。 下面我修改了matplotlib中的代码，因此它可以用作独立函数

<!-- language: python -->

import numpy as np
import matplotlib.pyplot as plt

def xcorr(x, y, maxlags=10):
    Nx = len(x)
    if Nx != len(y):
        raise ValueError('x and y must be equal length')

    c = np.correlate(x, y, mode=2)

    if maxlags is None:
        maxlags = Nx - 1

    if maxlags >= Nx or maxlags < 1:
        raise ValueError('maxlags must be None or strictly positive < %d' % Nx)

    c = c[Nx - 1 - maxlags:Nx + maxlags]

    return c

将numpy作为np导入
将matplotlib.pyplot作为plt导入
def xcorr（x，y，最大值=10）：
Nx=len（x）
如果Nx！=len（y）：
raise VALUE ERROR（'x和y的长度必须相等'）
c=np.相关（x，y，模式=2）
如果maxlags为无：
maxlags=Nx-1
如果maxlags>=Nx或maxlags<1：
raise VALUETERROR（'最大值必须为无或严格为正<%d'%Nx）
c=c[Nx-1-maxlags:Nx+maxlags]
返回c

正如我在这里回答的那样， 有时我们不能使用

numpy.correlate

，因为有时我们需要仅由

matplotlib.xcorr

提供的maxlags参数。但我知道，如果我们将复杂数据类型作为参数直接放入

matplotlib.xcorr

中，当matplotlib尝试绘制绘图时，我们将收到“将复杂数据类型转换为真实数据类型”警告。 下面我修改了matplotlib中的代码，因此它可以用作独立函数

<!-- language: python -->

import numpy as np
import matplotlib.pyplot as plt

def xcorr(x, y, maxlags=10):
    Nx = len(x)
    if Nx != len(y):
        raise ValueError('x and y must be equal length')

    c = np.correlate(x, y, mode=2)

    if maxlags is None:
        maxlags = Nx - 1

    if maxlags >= Nx or maxlags < 1:
        raise ValueError('maxlags must be None or strictly positive < %d' % Nx)

    c = c[Nx - 1 - maxlags:Nx + maxlags]

    return c

将numpy作为np导入
将matplotlib.pyplot作为plt导入
def xcorr（x，y，最大值=10）：
Nx=len（x）
如果Nx！=len（y）：
raise VALUE ERROR（'x和y的长度必须相等'）
c=np.相关（x，y，模式=2）
如果maxlags为无：
maxlags=Nx-1
如果maxlags>=Nx或maxlags<1：
raise VALUETERROR（'最大值必须为无或严格为正<%d'%Nx）
c=c[Nx-1-maxlags:Nx+maxlags]
返回c

FYI如果要关联复杂数据向量，请确保共轭其中一个输入向量（源）；如果要关联复杂数据向量，请确保共轭其中一个输入向量（源和）