取消绘图并仅获得结果

Question

我试图对齐两个信号，以获得给我最佳系数的滞后。我在matplotlib中使用xcorr函数。我只对以下代码中的z感兴趣。

有没有办法压制情节（我不想要情节）并只得到结果？

from matplotlib.pyplot import xcorr
z = xcorr([1.,2.,3.,4.,5.], [0,0,0,0,1.], normed=False, maxlags=4)
lagsOut = list(z[0])  
corrCoeff = list(z[1])

谢谢

Answer 1

使用np.correlate：

import numpy as np
x = [1., 2., 3., 4., 5.]
y = [0, 0, 0, 0, 1.]
corrCoef = np.correlate(x, y, 'full')
lagsOut = np.arange(-len(x)+1, len(x))

Answer 2

matplotlib是一个绘图模块。如果你不想绘图，你最好直接使用numpy。见numpy.correlate

如果您需要更多来自xcorr的东西，您可以使用inspect.getsource来查看它的作用。这是一个简略的转储：

def xcorr(self, x, y, normed=True, detrend=mlab.detrend_none,
          usevlines=True, maxlags=10, **kwargs):
        Nx = len(x)
        if Nx != len(y):
            raise ValueError('x and y must be equal length')

        x = detrend(np.asarray(x))
        y = detrend(np.asarray(y))

        c = np.correlate(x, y, mode=2)

        if normed:
            c /= np.sqrt(np.dot(x, x) * np.dot(y, y))

        if maxlags is None:
            maxlags = Nx - 1

        if maxlags >= Nx or maxlags < 1:
            raise ValueError('maglags must be None or strictly '
                             'positive < %d' % Nx)

        lags = np.arange(-maxlags, maxlags + 1)
        c = c[Nx - 1 - maxlags:Nx + maxlags]

        if usevlines:
            a = self.vlines(lags, [0], c, **kwargs)
            b = self.axhline(**kwargs)
        else:

            kwargs.setdefault('marker', 'o')
            kwargs.setdefault('linestyle', 'None')
            a, = self.plot(lags, c, **kwargs)
            b = None
        return lags, c, a, b

Answer 3

正如我在这里回答的那样，https://stackoverflow.com/a/47897581/5122657有时候我们不能使用numpy.correlate，因为有时候我们需要的是仅由matplotlib.xcorr提供的maxlags参数。但我明白，如果我们将复杂的数据类型作为参数直接放入matplotlib.xcorr中，当matplotlib尝试绘制绘图时，我们将“生成复杂到实数数据类型”警告。下面我修改了matplotlib中的代码，因此它可以用作独立的函数。

<!-- language: python -->

import numpy as np
import matplotlib.pyplot as plt

def xcorr(x, y, maxlags=10):
    Nx = len(x)
    if Nx != len(y):
        raise ValueError('x and y must be equal length')

    c = np.correlate(x, y, mode=2)

    if maxlags is None:
        maxlags = Nx - 1

    if maxlags >= Nx or maxlags < 1:
        raise ValueError('maxlags must be None or strictly positive < %d' % Nx)

    c = c[Nx - 1 - maxlags:Nx + maxlags]

    return c