scipy.signal.

detrend#

scipy.signal.detrend(data, axis=-1, type='linear', bp=0, overwrite_data=False)[源代码]#

从数据中移除沿轴的线性或常量趋势。

参数:
dataarray 型

输入数据。

axisint，可选

用于消除趋势的轴。默认情况下，这是最后一个轴 (-1)。

type{‘linear’, ‘constant’}，可选

消除趋势的类型。如果 type == 'linear'（默认值），将从 data 中减去对 data 执行线性最小二乘法拟合的结果。如果 type == 'constant'，仅会减去 data 的均值。

bpint 型数组，可选

一个断点序列。如果给定，那么将在两个断点之间的数据的各部分执行单独的线性拟合。断点指定为数据的索引。只有在类型 == '线性'时，此参数才有效果。

覆盖数据布尔值，可选

如果为真，则执行就地去趋势并避免复制。默认值为假

返回值:
返回ndarray

去趋势后的输入数据。

请参阅

numpy.polynomial.polynomial.Polynomial.fit

创建最小二乘拟合多项式。

注释

去趋势可以解释为减去最小二乘拟合多项式：将参数类型设置为“常量”对应于拟合零次多项式，“线性”对应于一次多项式。请参阅以下示例。

示例

以下示例对函数\(x(t) = \sin(\pi t) + 1/4\)进行去趋势

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> from scipy.signal import detrend
...
>>> t = np.linspace(-0.5, 0.5, 21)
>>> x = np.sin(np.pi*t) + 1/4
...
>>> x_d_const = detrend(x, type='constant')
>>> x_d_linear = detrend(x, type='linear')
...
>>> fig1, ax1 = plt.subplots()
>>> ax1.set_title(r"Detrending $x(t)=\sin(\pi t) + 1/4$")
>>> ax1.set(xlabel="t", ylabel="$x(t)$", xlim=(t[0], t[-1]))
>>> ax1.axhline(y=0, color='black', linewidth=.5)
>>> ax1.axvline(x=0, color='black', linewidth=.5)
>>> ax1.plot(t, x, 'C0.-',  label="No detrending")
>>> ax1.plot(t, x_d_const, 'C1x-', label="type='constant'")
>>> ax1.plot(t, x_d_linear, 'C2+-', label="type='linear'")
>>> ax1.legend()
>>> plt.show()
../../_images/scipy-signal-detrend-1_00_00.png

另外，NumPy 的 多项式也可用于去趋势

>>> pp0 = np.polynomial.Polynomial.fit(t, x, deg=0)  # fit degree 0 polynomial
>>> np.allclose(x_d_const, x - pp0(t))  # compare with constant detrend
True
>>> pp1 = np.polynomial.Polynomial.fit(t, x, deg=1)  # fit degree 1 polynomial
>>> np.allclose(x_d_linear, x - pp1(t))  # compare with linear detrend
True

请注意，多项式还允许拟合高次多项式。查阅其文档了解如何提取多项式系数。

本页