Python使用总结

妖狐艹你老母 2022-04-24 07:54 285阅读 0赞

## ##

### 1.保存Python Console的数据到txt ###

使用numpy保存数据到txt。

np.savetxt('D:\\data.txt',yfiltedData,fmt='%0.8f')

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3Nnb29kYnllMjAxMg_size_16_color_FFFFFF_t_70][]

### 2.50Hz陷波滤波 ###

网上找半天都没有陷波滤波器和带阻滤波器的教程，本文使用二阶IIR滤波器，r可以调节滤波程度,f0是陷波滤波频率，fs是采样率，yfiltedData是需要滤波的数据。

#滤波器设计
    import scipy.signal as signal
    import numpy as np
    import pylab as pl
    import matplotlib.pyplot as plt
    import matplotlib
    
    # 某个均衡滤波器的参数 a = np.array([1.0, -1.947463016918843, 0.9555873701383931]) b = np.array([0.9833716591860479, -1.947463016918843, 0.9722157109523452]) # 44.1kHz， 1秒的频率扫描波 t = np.arange(0, 0.5, 1/44100.0) x= signal.chirp(t, f0=10, t1 = 0.5, f1=1000.0) # 直接一次计算滤波器的输出 y = signal.lfilter(b, a, x) plt.plot(x) plt.show()
    # 某个均衡滤波器的参数
    # 44.1kHz， 1秒的频率扫描波
    x = np.arange(-2,2,0.001)
    yfiltedData=8*np.sin(100*np.pi*x)+np.sin(200*np.pi*x)
    
    r=0.05
    f0=50
    fs=1000
    w0=2*np.pi*f0/fs
    a = np.array([1.0, -2*np.cos(w0), 1.0])
    b = np.array([1.0, -2*r*np.cos(w0), r**2])
    y1 = signal.lfilter(a, b, yfiltedData)

### 3.快速傅里叶变换 ###

采样率sampling\_rate，数据个数fft\_size，最好为2的次方倍，否则会补成2的次方个数据。ys是截取的进行快速傅里叶变换的数据段

sampling_rate = 1000
    fft_size = 1024
    
    ys = y[:fft_size]
    yf = np.fft.rfft(ys)/(fft_size/2)
    freq = np.linspace(0,sampling_rate/2, fft_size/2+1)
    freqs = np.array(map(lambda x : x/1e3, freq))
    yfp = np.clip(np.abs(yf),0,sampling_rate/2)
    
    plt.plot(freq,yfp)
    plt.show()

### 4.numpy.array的使用 ###

在python中直接赋值都是共享内存的，改任意一个值，原数组也会改变。

这样就可以使用copy函数赋值，这样两个数组间是分离的。

B=A.copy()

切片，提取数组中某些数据组成新数组，同样这样截取的数据和原数组共享内存的。

B=A\[0:9\]

拼接数组，拼接后赋值就与原数组分离了。

B=np.append(A,5)

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tpc3Nnb29kYnllMjAxMg_size_16_color_FFFFFF_t_70]: /images/20220217/3da81c9e92ba4c4181df5065106d3013.png