[Python ]小波变化库——Pywalvets 学习笔记
https://blog.csdn.net/nanbei2463776506/article/details/64124841
python实现readline去掉换行符\n等特殊字符
https://blog.51cto.com/9499607/2089667
python 读取文件f.read()、f.readline()和f.readlines()
https://blog.51cto.com/wushipeng/1772207
python 使用 with open() as 读写文件
https://blog.csdn.net/xrinosvip/article/details/82019844
numpy中的convolve的理解
函数
numpy.convolve(a, v, mode=‘full’),这是numpy函数中的卷积函数库
参数:
a:(N,)输入的一维数组
b:(M,)输入的第二个一维数组
mode:{‘full’, ‘valid’, ‘same’}参数可选
‘full’ 默认值,返回每一个卷积值,长度是N+M-1,在卷积的边缘处,信号不重叠,存在边际效应。
‘same’ 返回的数组长度为max(M, N),边际效应依旧存在。
‘valid’ 返回的数组长度为max(M,N)-min(M,N)+1,此时返回的是完全重叠的点。边缘的点无效。
numpy.cumsum()用法
https://www.jianshu.com/p/00cddc31db4d
python中的三次样条插值
x = [0,1,2,3,4,5]
y = [12,14,22,39,58,77]
执行三次样条插值,以便在x的域中给出一些值u,例如u=1.25
from scipy import interpolate
def f(x):
x_points = [ 0, 1, 2, 3, 4, 5]
y_points = [12,14,22,39,58,77]
tck = interpolate.splrep(x_points, y_points)
return interpolate.splev(x, tck)
print f(1.25)
scipy将样条插值中涉及的步骤分为两个操作。首先,使用splrep()计算描述样条曲线的系数。splrep返回包含系数的元组数组。其次,将这些系数传递到splev()以实际评估所需点处的样条。这种方法对单次评估来说无疑是不方便的,但由于最常见的用例是从少数函数评估点开始,然后重复使用样条函数来查找插值,这在实践中通常非常有用。