交叉谱分析—

程序改编至交叉谱程序
由于知识受限，不知对方所用语言，仅凭个人理解改编，如有错误之处望大家指出和谅解

函数定义

def spectrum(m,x1,x2):pi=3.1415926x1bar=x1.mean()x2bar=x2.mean()s1=math.sqrt(x1.var())s2=math.sqrt(x2.var())n=len(x1)result=pd.DataFrame()M=np.array(range(m+1))M.dtype = 'float32'B=M.copy()B[:]=1B[0],B[-1]=0.5,0.5R11=M.copy()R22=M.copy()R12=M.copy()R21=M.copy()P11=M.copy()P22=M.copy()P12=M.copy()Q12=M.copy()M=np.array(range(m+1))for later in range(m+1):x1_series1=x1[:n-later]x1_series2=x1[later:]x2_series1=x2[:n-later]x2_series2=x2[later:]R11[later]=((x1_series1-x1bar)/s1*(x1_series2-x1bar)/s1).sum()/(n-later)R22[later]=((x2_series1-x2bar)/s2*(x2_series2-x2bar)/s2).sum()/(n-later)R12[later]=((x1_series1-x1bar)/s1*(x2_series2-x2bar)/s2).sum()/(n-later)R21[later]=((x2_series1-x2bar)/s2*(x1_series2-x1bar)/s1).sum()/(n-later)for later in range(m+1):P11[later]=R11[0]+(R11*(1+np.cos(pi*M/m))*np.cos(later*pi*M/m)).sum()P22[later]=R22[0]+(R22*(1+np.cos(pi*M/m))*np.cos(later*pi*M/m)).sum()P12[later]=R12[0]+(0.5*(R12+R21)*(1+np.cos(pi*M/m))*np.cos(later*pi*M/m)).sum()Q12[later]=(0.5*(1+np.cos(pi*M/m))*np.sin(pi*later*M/m)*(R12-R21)).sum()result['周期']=np.around(2*m/(M+1),decimals=1)result['功率谱_X1']=B*P11/mresult['功率谱_X2']=B*P22/mresult['协谱']=B*P12/mresult['正交谱']=B*Q12/mresult['凝聚谱']=(P12**2+Q12**2)/(P11*P22)result['相位谱']=180/pi*np.arctan(Q12/P12)return result

调用

P12=pd.DataFrame()
Q12=pd.DataFrame()
R122=pd.DataFrame()
THITA=pd.DataFrame()
for i in range(16):for j in range(i+1,16):x=np_data1[:,i+1]y=np_data1[:,j+1]Result=spectrum(20,x,y)P12['{}_{}'.format(i+1,j+1)]=Result['协谱']Q12['{}_{}'.format(i+1,j+1)]=Result['正交谱']R122['{}_{}'.format(i+1,j+1)]=Result['凝聚谱']THITA['{}_{}'.format(i+1,j+1)]=Result['相位谱']Result.to_csv('F:\paper\dataset\PSD\data1\{}——{}.csv'.format(i+1,j+1),encoding='gbk')
P12.to_csv('F:\paper\dataset\PSD\data1\P12.csv',encoding='gbk')
Q12.to_csv('F:\paper\dataset\PSD\data1\Q12.csv',encoding='gbk')
R122.to_csv('F:\paper\dataset\PSD\data1\R122.csv',encoding='gbk')
THITA.to_csv('F:\paper\dataset\PSD\data1\THITA.csv',encoding='gbk')P12=pd.DataFrame()
Q12=pd.DataFrame()
R122=pd.DataFrame()
THITA=pd.DataFrame()
for i in range(5):x=np_data2[:,i+1]y=np_data2[:,6]Result=spectrum(39800,x,y)P12['{}'.format(i+1)]=Result['协谱']Q12['{}'.format(i+1)]=Result['正交谱']R122['{}'.format(i+1)]=Result['凝聚谱']THITA['{}'.format(i+1)]=Result['相位谱']Result.to_csv('F:\paper\dataset\PSD\data2\{}.csv'.format(i+1),encoding='gbk')
P12.to_csv('F:\paper\dataset\PSD\data2\P12.csv',encoding='gbk')
Q12.to_csv('F:\paper\dataset\PSD\data2\Q12.csv',encoding='gbk')
R122.to_csv('F:\paper\dataset\PSD\data2\R122.csv',encoding='gbk')
THITA.to_csv('F:\paper\dataset\PSD\data2\THITA.csv',encoding='gbk')

结果展示

交叉谱分析——Python相关推荐

python k折交叉验证,python中sklearnk折交叉验证
python中sklearnk折交叉验证发布时间:2018-06-10 11:09, 浏览次数:492 , 标签: python sklearnk 1.模型验证回顾进行模型验证的一个重要目的是要选 ...
K折交叉验证-python
1.Cross Validation (交叉验证) cross validation大概的意思是:对于原始数据我们要将其一部分分为train_data,一部分分为test_data.train_dat ...
交叉验证python代码_交叉验证以及python代码实现
这篇文章介绍的内容是关交叉验证以及python代码实现 ,有着一定的参考价值,现在分享给大家,有需要的朋友可以参考一下模型选择的两种方法:正则化(典型方法).交叉验证. 这里介绍交叉验证及其pyth ...
k折交叉验证python代码_K折交叉验证法原理及python实现
本文为原创文章,转载请注明出处! 在训练数据的过程或者参加数据比赛的时候,常常会遇到数据量不够大的情况,在一次比赛过程我学到一个小技巧-K折交叉验证法(k-fold CrossValidation), ...
交叉验证python代码_急！请教一个python里交叉验证的问题
该楼层疑似违规已被系统折叠隐藏此楼查看此楼我对模型进行交叉验证: param_test = {'n_estimators':range(10,71,10)} gsearch1=GridSearch ...
机器学习-CrossValidation交叉验证Python实现
版权声明:本文为原创文章,转载请注明来源. 1.原理 1.1 概念交叉验证(Cross-validation)主要用于模型训练或建模应用中,如分类预测.PCR.PLS回归建模等.在给定的样本空间中, ...
python kfold交叉验证_kfold交叉验证python
我是python的初学者.我写了下面的函数来分区从csv文件读取的数据.索引生成没有错误,但是当我用这个索引拆分df时,结果是不正确的.我的代码怎么了?在def partition(k, number ...
交叉验证python_交叉验证
交叉验证python Cross validation may be any of various model validation techniques that are used to asses ...
多目标进化算法——NSGA-II（python实现）
目录前言 NSGA-II 非支配排序支配关系非支配关系非支配排序算法算法思想算法伪代码伪代码释义 Python代码实现过渡1 拥挤度距离排序算法思想算法伪代码 Python代码实现 ...

交叉谱分析——Python

交叉谱分析——Python相关推荐

最新文章

热门文章