使用pandas.shift（）來對齊數據集的基礎上scipy.signal.correlate

Question

我有數據集看起來像下面這樣：data0，data1，data2（類似於時間與電壓數據）

如果我加載和繪製使用類似代碼的數據集：

import pandas as pd 
import numpy as np 
from scipy import signal 
from matplotlib import pylab as plt 

data0 = pd.read_csv('data0.csv') 
data1 = pd.read_csv('data1.csv') 
data2 = pd.read_csv('data2.csv') 

plt.plot(data0.x, data0.y, data1.x, data1.y, data2.x, data2.y) 

我得到的是這樣的：

現在我嘗試用數據1到相關數據0：

shft01 = np.argmax(signal.correlate(data0.y, data1.y)) - len(data1.y) 
print shft01 
plt.figure() 
plt.plot(data0.x, data0.y, 
     data1.x.shift(-shft01), data1.y) 
fig = plt.gcf() 

與輸出：

-99 

和

其作品也期待！但如果我嘗試它與DATA2同樣的事情，我得到一個情節，看起來像：

與410一個積極的轉變。我想我只是不瞭解pd.shift()如何工作，但我希望我可以使用pd.shift()來對齊我的數據集。據我所知，correlate()的回報告訴我我的數據集有多遠，所以我應該能夠使用shift來重疊它們。

Answer 1

panda.shift()不是沿x軸移動曲線的正確方法。你應該調整點的X值：

plt.plot(data0.x, data0.y) 
for target in [data1, data2]: 
    dx = np.mean(np.diff(data0.x.values)) 
    shift = (np.argmax(signal.correlate(data0.y, target.y)) - len(target.y)) * dx 
    plt.plot(target.x + shift, target.y) 

這裏是輸出：

Answer 2

@HYRY一個修正你的答案：有len()之間的索引不匹配，這是基於一個和np.argmax()，這是從零開始的。該行應爲：

shift = (np.argmax(signal.correlate(data0.y, target.y)) - (len(target.y)-1)) * dx

例如，在你的信號已經對準的情況下：

len(target.y) = N（一個爲主）

的互相關函數具有長度2N-1，所以中心值，爲對齊的數據，方法是：

np.argmax(signal.correlate(data0.y, target.y) = N - 1（從零開始）

shift = ((N-1) - N) * dx =（-1）* dx，當我們真的想要0 * dx