0

您好，根据我放入 sinus 的阵列，我得到完全不同的输出。test1, test3 是它不工作的例子。这里发生了什么？

test1 = np.sin(50.*2.*np.pi*np.arange(0., 512., dtype=np.float64))
test2 = np.sin(50.*2.*np.pi*np.linspace(0., 512., 512, endpoint=True, dtype=np.float64))
test3 = np.sin(50.*2.*np.pi*np.linspace(0., 512., 512, endpoint=False, dtype=np.float64))

plt.plot(np.arange(0, 512), test1)
plt.plot(np.arange(0, 512), test2)
plt.plot(np.arange(0, 512), test3)
plt.show()

编辑：好的，经过进一步研究，这是实际问题：使用 test1 和 test3 我违反了奈奎斯特定理，并且仅对零附近的值进行采样。要解决此问题，需要增加采样率或降低频率。

4

2 回答 2

1

我认为简短的回答是您希望numpy.sin将角度 indegrees作为参数，但文档指定它采用radians.

看起来数字正在按预期绘制。可视化所有三个图（即 test1、test2 和 test3）的一种方法是使用子图：

import numpy as np
import matplotlib.pyplot as plt

test1 = np.sin(50.*2.*np.pi*np.arange(0., 512., dtype=np.float64))
test2 = np.sin(50.*2.*np.pi*np.linspace(0., 512., 512, endpoint=True, dtype=np.float64))
test3 = np.sin(50.*2.*np.pi*np.linspace(0., 512., 512, endpoint=False, dtype=np.float64))

fig, axs = plt.subplots(3, sharex=True, sharey=True, gridspec_kw={'hspace': 0})

axs[0].plot(np.arange(0, 512), test1)
axs[1].plot(np.arange(0, 512), test2)
axs[2].plot(np.arange(0, 512), test3)
plt.show()

当您执行以下操作时：

print(f"Max of test1: {max(test1)}\nMin of test1: {min(test1)}")
print(f"Max of test2: {max(test2)}\nMin of test2: {min(test2)}")
print(f"Max of test3: {max(test3)}\nMin of test3: {min(test3)}")

输出

Max of test1: 1.4412955306804755e-11
Min of test1: -1.2978086425591747e-11
Max of test2: 0.9999952753720377
Min of test2: -0.9999952753719793
Max of test3: 1.4412955306804755e-11
Min of test3: -1.2978086425591747e-11

可能的解决方案

对我来说，这个问题看起来像图表上的 y 限制在 -1 到 1 之间，这太高了，无法可视化 test1 和 test3（清晰可见）。如果您想更详细地查看 test1 和 test3（在图表上），您可以这样做：

test1 = np.sin(50.*2.*np.pi*np.arange(0., 512., dtype=np.float64))
test2 = np.sin(50.*2.*np.pi*np.linspace(0., 512., 512, endpoint=True, dtype=np.float64))
test3 = np.sin(50.*2.*np.pi*np.linspace(0., 512., 512, endpoint=False, dtype=np.float64))

fig, axs = plt.subplots(3, sharex=True, sharey=True, gridspec_kw={'hspace': 0})

axs[0].set_ylim((min(test1), max(test1)))
axs[0].plot(np.arange(0, 512), test1)
axs[1].plot(np.arange(0, 512), test2)
axs[2].set_ylim((min(test1), max(test1)))
axs[2].plot(np.arange(0, 512), test3)
plt.show()

附加说明

根据 的文档，numpy.sin它作为 x 的参数是角度 in radians，不要与 混淆degrees。

numpy.linspace 文档中要注意的另一点是

请注意，当端点为 False 时，步长会发生变化。

这是一个简单的例子：

np.linspace(0., 512., 5, endpoint=True, dtype=np.float64)

输出

array([  0., 128., 256., 384., 512.])

和

np.linspace(0., 512., 5, endpoint=False, dtype=np.float64)

输出

array([  0. , 102.4, 204.8, 307.2, 409.6])

现在，如果快速检查numpy.sin每个数组中的最大值，即 512. 和 409.6

np.sin(409.6)

输出

0.9294631796005904

和

np.sin(512)

输出

0.07951849401287635

因此，差异。

于 2020-01-30T23:53:06.193 回答
0

这不是窦性行为。我减小了大小并打印了您输入的数组np.sin()。

import numpy as np

SIZE = 4

print(np.arange(0., float(SIZE), dtype=np.float64))
print(np.linspace(0., float(SIZE), SIZE, endpoint=True, dtype=np.float64))
print(np.linspace(0., float(SIZE), SIZE, endpoint=False, dtype=np.float64))

现在区别很明显了。通过更改端点，您可以更改值的边界，因此您可以更改步长，从而更改所有值。

[0. 1. 2. 3.]
[0. 1.33333333 2.66666667 4.]
[0. 1. 2. 3.]

所以正弦给出不同的输出。

于 2020-01-30T23:50:28.480 回答