Matplotlib.axes.Axes.xcorr()用 Python

表示

哎哎哎:# t0]https://www . geeksforgeeks . org/matplotlib-axes-xcorr-in-python/

Matplotlib 是 Python 中的一个库,是 NumPy 库的数值-数学扩展。轴类包含了大部分的图形元素:轴、刻度、线二维、文本、多边形等。,并设置坐标系。Axes 的实例通过回调属性支持回调。

matplotlib.axes.Axes.xcorr()函数

matplotlib 库的 Axes 模块中的 Axes.xcorr()函数用于绘制 x 和 y 的互相关。

语法: Axes.xcorr(self,x,y,赋范=True,detrend=,usevlines = True,maxlags=10, data = None,*kwargs)

参数:该方法接受以下描述的参数:

  • x,y : 这些参数是标量的序列。
  • 去趋势:此参数为可选参数。其默认值为 mlab.detrend_none
  • 赋范:该参数也是可选参数,包含 bool 值。其默认值为
  • usev line:该参数也是可选参数,包含 bool 值。其默认值为
  • maxlags: 此参数也是可选参数,包含整数值。其默认值为 10
  • 线型:该参数也是可选参数,用于绘制数据点,仅当 usevlines 为 False 时使用。
  • 标记:该参数也是可选参数,包含字符串。其默认值为

返回:该方法返回以下内容:

  • 滞后:该方法返回滞后向量
  • c: 该方法返回自相关向量。
  • 行:*加行集合如果 usevlines 为真,否则加行 2D*
  • b: 如果 usevlines 为 True,则该方法返回 0 处的水平线,否则返回 None。

结果是(滞后,c,线,b)

下面的例子说明了 matplotlib.axes.Axes.xcorr()函数在 matplotlib.axes 中的作用:

例 1:

*# Implementation of matplotlib function
import matplotlib.pyplot as plt
import numpy as np

# Time series data
geeksx = np.array([24.40, 110.25, 20.05,
                   22.00, 61.90, 7.80, 
                   15.00, 22.80, 34.90, 
                   57.30])

geeksy = np.array([24.40, 110.25, 20.05, 
                   22.00, 61.90, 7.80, 
                   15.00, 22.80, 34.90, 
                   57.30])

# Plot autocorrelation
fig, ax = plt.subplots()
ax.xcorr(geeksx,  geeksy, maxlags = 9,
         color ="green")

# Add labels to autocorrelation 
# plotax.xlabel('X-axis')
ax.set_ylabel('Y-axis')
ax.set_xlabel('X-axis')

ax.set_title('matplotlib.axes.Axes.xcorr() Example')

plt.show()*

输出:

例 2:

*# Implementation of matplotlib function
import matplotlib.pyplot as plt
import numpy as np

# Fixing random state for
# reproducibility
np.random.seed(10**7)
geeksx = np.random.randn(100)
geeksy = np.random.randn(100)

fig, ax = plt.subplots()
ax.xcorr(geeksx, geeksy, usevlines = True,
         normed = True, maxlags = 80, 
         color ="green")

ax.grid(True)

ax.set_title('matplotlib.axes.Axes.xcorr() Example')

plt.show()*

输出: