问题标签 [spectral]

当我使用脚本时，窗口闪烁然后消失，所以我只想知道如何让它保持很长时间？非常感谢！你可以得到这个python包形式

嗨，我正在尝试使用 if 循环编写简单的 for 循环，以仅计算数组列的平均值（所以我最终只得到一个行数组作为平均值），列号 1051 和 1552 除外。这里输入数组有2151 列和 12 行。平均数组的结果应该是 2149 列和 12 行。这是我写的代码

如何使用 else 将空格分配给 0？任何人都可以在这里帮助我，因为我对 IDL 很陌生

我想以将 10000 个点放在 [0,1]^2 图中的方式更改我的代码。我尝试将 256 更改为 10000，但它会产生奇怪的位置。我应该改变因子 137 和 187 但不知道如何改变它。有人知道背后的逻辑吗？

工作样本：

我的代码：

需要训练高光谱数据，如何从 scracth 和地面实况数组/图像构建训练数据集以用于相同的目的？Spectral python 不支持通过 png 文件进行训练。

使用 matplotlib，您可以与绘制的图像进行交互，例如用于注释。然后，您会在交互后获得一些您通常喜欢保存的数据。我想将所有这些都合并到一个函数中，但我不知道该怎么做。光谱模块说明了我的问题，但我之前遇到过这个问题。

这是一些代码：

如果我调用 Annotator An=Annotator(some data file)，然后调用查看器并注释

results = An.viewer

然后 python 立即解析到最后，并给出一个空的非类型对象作为结果。我希望代码中断，以便我可以获取注释并将其保存在同一个函数调用中。

所以我的问题是，我该怎么做？

我试图了解时间序列的谱密度与其方差之间的关系。据我了解，光谱密度的积分应该等于方差。至少根据诸如此类的大多数讲义。

然而，我正在努力复制这一发现。假设我生成了一个自回归系数为 0.9 的简单 AR(1) 系列。

然后我继续计算谱密度（autocov 与信号工具箱中的 xcov 做同样的事情，我没有。它是贬低序列的协方差，方差在向量的中间）

sdb 是功率密度函数，肯定是 AR(1) 的正确形状，向低频加权： 在此处输入图像描述。但功率谱之和为 54.5，而模拟 AR(1) 系列的方差约为 5。

我错过了什么？我将光谱密度理解为系列的方差如何分布在整个光谱中。我不确定我是否误解了理论或犯了编码错误。任何好的参考资料将不胜感激。

编辑：我意识到显然对“sdb”系列求和并不是积分。要在 {-pi,pi} 之间进行积分，我应该对 sdb*(2*pi/130) 或等效的 sdb*(pi/65) 求和，因为我只查看 {+pi} 段并且 sdb 是对称的负值。然而，我似乎仍然得到一个大于方差的数字（甚至重新模拟多次）......我仍然错过了什么吗？上面的 sdb 行变为

我有一个字典列表，其中包含响应字段中的光谱数据。我还有用于标记光谱数据列的波长阵列。列表/输入如下所示：

以及要匹配的波长的列名：

我想将此列表转换为两个熊猫数据框；

1. 一个平均响应元组中的数组，以及
2. 一个它们是分开的，其中包含响应中元组中的第一个数字。

两者的所需输出如下：

在熊猫中最有效的方法是什么？

我有多个数据框，其中第一列（最后用 NA 填充）是波数，其他列是我的多个观察的特定波数的变量。

是否有可能以我的第一列包含 x 轴的变量而另一列与它们各自的 y 值绘制成一个大图的方式来绘制列？

我已经尝试过“matplot”（导致“数字”而不是点），

不同的“xyplot”集（不可能给出一个以上的 y 值），但似乎都不起作用（根据我对 R 的知识水平）。

最终结果应如下所示：

谢谢你的帮助！

我对 R 和 EEG 信号非常陌生，所以如果问题的答案很明显，请原谅。

我正在尝试对 EEG 信号执行巴特沃斯滤波器以提取 Alpha 波段。当我执行过滤器时，生成的信号看起来很奇怪，完全不是我所期望的，在时间框架的开始有一个异常大的峰值。我尝试使用 eegfilter 和 bwfilter 来查看代码是否存在问题，但是当我绘制结果时两者之间几乎没有区别。我无法解释最终结果，如果有人可以向我解释特殊的最终结果，我将不胜感激。

这是我正在查看的数据中的一个示例： https ://ufile.io/1ji48wg6

采样率为 512。

我想提取 alpha 波段，所以频率在 8 到 12 Hz 之间

这是绘制时的数据图片。最左边的图像是原始数据。中心图是使用 eegfilter 应用 Butterworth 滤波器的结果。右图是使用 bwfilter 应用巴特沃斯滤波器的结果。

应用过滤器时的数据图

数据集的标题：

脑电图

-8438.876837

-8442.718979

-8441.877183

-8439.974768

-8443.436883

-8448.900711

-8452.433874

-8441.616546

我有一系列与实验的不同重复相对应的数千个（1D）光谱。对于每次重复，两个不同的仪器记录了相同的数据——所以我有两个非常相似的光谱，每个光谱都由几百个单独的峰/事件组成。这些仪器具有不同的分辨率、精度和可能的检测效率，因此每对光谱不相同但相似 - 用肉眼仔细观察它们可以自信地匹配每个光谱中的许多峰。我希望能够自动且可靠地匹配每对光谱的两个光谱，即自信地说出哪个峰对应于哪个峰。这可能会涉及“丢弃”一些无法可靠匹配的数据（例如，两个仪器中只有一个检测到事件）。

我附上了一张数据在整个光谱上的样子的图像，并放大到一个相对稀疏的区域。红色光谱基本上已经找到峰值，因此除了真实事件所在的位置之外，它在任何地方都是 0。我在蓝色轨迹上使用了 scipy.signal.find_peaks() 并绘制了发现的峰值，这似乎效果很好。

现在我只需要找到一种可靠的方法来匹配光谱之间的峰值。我已经尝试通过仅将彼此最接近的峰配对来匹配峰 - 但是由于两个光谱中都不存在某些峰，这会遇到重大问题。我可以添加关于必须匹配多近峰的限制，但我认为可能有更好的方法。红色轨迹的分辨率低于蓝色轨迹也会产生问题。我希望那里有最适合这个的模式查找算法/python 包 - 但这远离我的专业领域，所以我真的不知道从哪里开始。提前致谢。

放大示例光谱对的相对空闲区域：

一个完整的示例光谱对，显示了一些非常密集的区域：

生成用于绘制光谱的示例代码：