Python使用总结

 

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')

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)