python - python中的递归图

Question

我正在尝试按照我的要求对时间序列中的模式进行聚类

How to clustering syllable types with python?

我尝试使用递归图技术来解决我的问题，所以我在 python 中编写了一些代码来重现这些图。我想知道我的代码是否正确，我尝试了一个声音时间序列，我根据距离参数值得到了这种结果:

http://ceciliajarne.web.unq.edu.ar/envelope-problem/

我还包括数据集。我正在使用 ch2。这是我的代码:

import numpy as np
import scipy
import os

from scipy.io import wavfile
import wave, struct
import matplotlib.pyplot as pp

from pylab import *

import scipy.signal.signaltools as sigtool
import scipy, pylab
from scipy.io import wavfile
import wave, struct
import scipy.signal as signal
from scipy.fftpack import fft

 #Data set input
data=np.random.rand(44000*3) 
#random secuence to compare with almost 3 seconds of data, cold be other
print 'data:', data

#set size 
sissse=data.size
print 'size: ',sissse
print '---------------'

#empty vectors 

x_filt_all_p=[]
y_filt_all_p=[]
los_p_filt_all_p=[]

#creating the list to fill 
dif=[]
dif_abs=[]
p=1

#for each i-element of data vector for each p

for p in range(1,sissse,4400):
    for i in enumerate(data):
        #print i
        j=i[0]
        #print 'j: ',j
        if (j<sissse-p):
            dif_aux=data[j+p]-data[j]
            #print 'dif=',dif_aux
            dif.append(dif_aux)
                dif_abs.append(abs(data[j+p]-data[j]))      
            #print'.........'

    print'.........'
    #print 'dif=',dif
    print'.........'
    #print 'Absolute difference=',dif_abs
    print'.........'

    #vector with index and diferences in absolute value

    pepe= np.vstack([np.arange(len(dif_abs)),dif_abs])

    print 'pepe0: ', pepe[0]
    xx=pepe[0]
    print 'pepe1: ', pepe[1]
    yy=pepe[1]

    #filtering the elements with diference<delta

    delta= 0.001

    # Now let's extract only the part of the data we're interested in...

    los_p = np.empty(len(pepe[1]))#dif_abs
    los_p.fill(p)

    x_filt    = xx[yy<delta]
    y_filt    = yy[yy<delta] 
    los_p_filt= los_p[yy<delta]

    print 'value of coordinate i', x_filt
    print 'absolute difference', y_filt 
    print 'value of coordinate p', los_p_filt
    print '------------------------'
    if (p==1):
        x_filt_all_p=x_filt
        y_filt_all_p=y_filt
        los_p_filt_all_p=los_p_filt
    else:
        x_filt_all_p=np.concatenate((x_filt_all_p,x_filt)) 
        y_filt_all_p=np.concatenate((y_filt_all_p,y_filt))
        los_p_filt_all_p=np.concatenate((los_p_filt_all_p,los_p_filt))

print 'full value of coordinate i: ', x_filt_all_p
print 'full absolute difference', y_filt_all_p 
print 'full value of coordinate p: ', los_p_filt_all_p

#trying to plot the "recurrence plots" together with the envelope.

pp.subplot(211)
pp.plot(arange(data.size),data, color='c',label='Time Signal 2')
pp.legend(fontsize= 'small')
pp.grid(True)
pp.xlabel('Time (s)')
pp.ylabel('Amplitude')  
#pp.xlim([0,3])

pp.subplot(212)
base='test_plot'
pp.title('Recurrence plot delta=')

markerline2, stemlines2, baseline2 = stem(x_filt_all_p*float(1)/float(w[0]), los_p_filt_all_p*float(1)/float(w[0]),'b',linefmt=" ",)
pp.matplotlib.markers.MarkerStyle('.')
setp(markerline2,'markerfacecolor','b',label='points')
pp.legend(fontsize= 'small')
pp.grid(True)
pp.xlabel('Time i [s]')
pp.ylabel('Time p [s]') 

#pp.xlim(0,3)
#pp.ylim(0,3)
pp.show()
#pp.savefig('plots/%s.jpg' %(str(base))
pp.close()  

但我不能 100% 确定我的代码是否正常工作。有人可以看一下我的代码，给我一些关于如何测试它的建议吗？我既不想使用 matlab 也不想使用 mathematica。这个想法是在 python 中创建一个独立的代码。我还有另一个小问题，我无法更改绘图中的点大小。最后我已经尝试使用交叉检查 http://recurrence-plot.tk/online/index.php?state=但我无法让它发挥作用。非常欢迎对我的代码或可能的交叉检查提出任何建议。提前致谢

Answer 1

我知道这个问题很老了，但也许将来有人会偶然发现这个问题。

既然您已经在使用 NumPy，那么我建议您使用以下代码段:

import numpy as np

def rec_plot(s, eps=0.1, steps=10):
    N = s.size
    S = np.repeat(s[None,:], N, axis=0)
    Z = np.floor(np.abs(S-S.T)/eps)
    Z[Z>steps] = steps

    return Z

它最初创建大小为 (N, N) 的方形空数组。然后它通过 S-S.T 减去所有可能的点组合，这隐含地等效于矩阵减法，其中一个矩阵具有所有行 S，另一个矩阵具有所有列 S。

除以 eps 和 flooring 是询问这些点之间相差多少 eps 的简写。然后 Z[Z>steps] 是有界的，所以只要从该点开始超过 steps 倍 eps ，那么它就是最大的简单地绘制相同的值。

这个解决方案不是最优的，因为它首先创建了两个 NxN 矩阵，这对于大 N 来说太多了。对于 N>10000，这绝对不是一件好事。由于您使用的是 SciPy，我们可以使用它的 distance 库。下面是更优化的实现:

import numpy as np
from scipy.spatial.distance import pdist, squareform

def rec_plot(s, eps=0.1, steps=10):
    d = pdist(s[:,None])
    d = np.floor(d/eps)
    d[d>steps] = steps
    Z = squareform(d)
    return Z

您可以找到使用示例 https://laszukdawid.com/tag/recurrence-plot/或 https://github.com/laszukdawid/recurrence-plot .