Differences between revisions 8 and 10 (spanning 2 versions)
⇤ ← Revision 8 as of 2020-06-13 17:50:25 →
Size: 3891
Editor: tatsuki.washimi
Comment:
← Revision 10 as of 2020-06-21 12:44:53 → ⇥
Size: 5490
Editor: tatsuki.washimi
Comment:
Deletions are marked like this. Additions are marked like this.
Line 76: Line 76:


=== imshow を使って2Dヒストグラムを書く時の軸の取り方 ===
以下のような2変数f_in, f_outの間の相関データを、imshowを使って2Dヒストグラムとして描画したいとしよう。
{{{#!python
matrix = [[0, 1, 0, 1],
          [1, 0, 1, 0],
          [0, 1, 0, 1],
          [1, 0, 2, 0],
          [0, 1, 0, 2],
          [1, 0, 2, 0]]
f_in = [1,2,3,4]
f_out = [1,2,3,4,5,6]
}}}
素直に以下のように書くと、縦軸が反転して(上から下になる)しまい、bin幅もごみになる。
{{{#!python
fig = Plot(figsize=(5, 5))
ax = fig.gca()
ax.imshow(matrix, extent=[f_in[0], f_in[-1], f_out[0], f_out[-1]], aspect='auto', interpolation='nearest')
ax.set_xlabel("Injected Noise Frequency $f'$ [Hz]")
ax.set_ylabel('Obsurved Frequency $f$ [Hz]')
fig.show()
}}}
{{attachment:imshow_bad.png}}

縦軸の向きは origin='lower' を入れると下から上になる。<<BR>>
bin幅については、上下左右に半分ずつ追加することで変数の値(今の場合はf_in, f_out)がbin中心になるようにできる。
{{{#!python
df_in = f_in[1] - f_in[0]
df_out = f_out[1] - f_out[0]

f_L = f_in[0] - df_in*0.5
f_R = f_in[-1]+ df_in*0.5
f_B = f_out[0] - df_out*0.5
f_T = f_out[-1]+ df_out*0.5

fig = Plot(figsize=(5, 5))
ax = fig.gca()
ax.imshow(matrix, extent=[f_L, f_R, f_B, f_T], aspect='auto', origin='lower', interpolation='nearest')
ax.set_xlabel("Injected Noise Frequency $f'$ [Hz]")
ax.set_ylabel('Obsurved Frequency $f$ [Hz]')
fig.show()
}}}

{{attachment:imshow_good.png}}

Plotの描画関連

複数の時系列を縦に並べてplotする

ここに書いてある、gwpy.plotのPlot()がオススメ。
GUIで拡大等をしたとき、他のaxesも一緒に動く。
注意点は、TimeSeriesのlistやTimeSeriesDictを引数にしてまとめて渡した場合は separate=True をしても分割されないという謎仕様。面倒だが1つ1つ手で並べる必要がある。 

   1 from gwpy.plot import Plot
   2 plot = Plot(l1hoft, h1hoft, separate=True, sharex=True)
   3 plot.show()

https://gwpy.github.io/docs/stable/_images/plot-7.png

戻り値 (ここでは plot)は、matplotlibのfigureだと思ってしまってよい。
なので、それぞれのy軸ラベルや全体のタイトルを付けるには以下のようにする。 

   1 import matplotlib.pyplot as plt
   2 axes = plot.get_axes()
   3 ylabel = ['y1','y2']
   4 for i, ax in enumerate(axes): ax.set_ylabel(ylabel[i])
   5 plt.tight_layout()
   6 plt.subplots_adjust(top=0.95)
   7 plot.suptitle('title')

時刻の基準を手で設定する

ここを参照 

   1 ax = plot.gca()
   2 ax.set_epoch(1126259462) # GPS timeを入れる

DQ Flagを添える

.add_segments_bar() を使う(ここを参照)。
他にも .add_state_segments() や .add_dataqualityflag() といった似たものがある。詳細はPlotting APIを参照。

https://gwpy.github.io/docs/latest/_images/open-data-spectrogram-5.png

スペクトルのパーセンタイル/σバンドを付ける

ここを参照。手順としては、

  1. まずTimeSeriesからspectrogram2()を使ってnon-averaged power Spectrogramを作る。

  2. .percentile() でパーセンタイルのスペクトルを3つ作る。
  3. plot_mmm() で描画するとバンド付きでplotされる。 

   1 from gwpy.timeseries import TimeSeries
   2 from gwpy.plot import Plot
   3 
   4 hoft = TimeSeries. ...
   5 sg = hoft.spectrogram2(fftlength=4, overlap=2, window='hanning') ** (1/2.)
   6 median = sg.percentile(50)
   7 low = sg.percentile(5)
   8 high = sg.percentile(95)
   9 
  10 plot = Plot()
  11 ax = plot.gca(xscale='log', xlim=(10, 1500), xlabel='Frequency [Hz]',  yscale='log', ylim=(3e-24, 2e-20),  ylabel=r'Strain noise [1/$\sqrt{\mathrm{Hz}}$]')
  12 ax.plot_mmm(median, low, high, color='gwpy:ligo-hanford')
  13 ax.set_title('LIGO-Hanford strain noise variation around GW170817', fontsize=16)
  14 plot.show()

https://gwpy.github.io/docs/stable/_images/percentiles-4.png

パーセンタイルではなくmeanとσで表したい場合は、Spectrogramの2次元配列に対して時間軸(0軸)方向にmean, stdを取ればよい。 

   1 mean  = FrequencySeries(data=sg.mean(0), frequencies=sg.frequencies)
   2 sigma = FrequencySeries(data=sg.std(0),  frequencies=sg.frequencies)

matplotlib色々

imshow を使って2Dヒストグラムを書く時の軸の取り方

以下のような2変数f_in, f_outの間の相関データを、imshowを使って2Dヒストグラムとして描画したいとしよう。 

   1 matrix = [[0, 1, 0, 1],
   2           [1, 0, 1, 0],
   3           [0, 1, 0, 1],
   4           [1, 0, 2, 0],
   5           [0, 1, 0, 2],
   6           [1, 0, 2, 0]]
   7 f_in  = [1,2,3,4]
   8 f_out = [1,2,3,4,5,6]

素直に以下のように書くと、縦軸が反転して(上から下になる)しまい、bin幅もごみになる。 

   1 fig = Plot(figsize=(5, 5))
   2 ax = fig.gca()
   3 ax.imshow(matrix, extent=[f_in[0], f_in[-1], f_out[0], f_out[-1]], aspect='auto', interpolation='nearest')
   4 ax.set_xlabel("Injected Noise Frequency $f'$ [Hz]")
   5 ax.set_ylabel('Obsurved Frequency $f$ [Hz]')
   6 fig.show()

imshow_bad.png

縦軸の向きは origin='lower' を入れると下から上になる。
bin幅については、上下左右に半分ずつ追加することで変数の値(今の場合はf_in, f_out)がbin中心になるようにできる。 

   1 df_in  = f_in[1]  - f_in[0]
   2 df_out = f_out[1] - f_out[0]
   3 
   4 f_L = f_in[0] - df_in*0.5
   5 f_R = f_in[-1]+ df_in*0.5
   6 f_B = f_out[0] - df_out*0.5
   7 f_T = f_out[-1]+ df_out*0.5
   8 
   9 fig = Plot(figsize=(5, 5))
  10 ax = fig.gca()
  11 ax.imshow(matrix, extent=[f_L, f_R, f_B, f_T], aspect='auto', origin='lower', interpolation='nearest')
  12 ax.set_xlabel("Injected Noise Frequency $f'$ [Hz]")
  13 ax.set_ylabel('Obsurved Frequency $f$ [Hz]')
  14 fig.show()

imshow_good.png

KAGRA/Subgroups/PEM/PythonMemoJP/plot (last edited 2021-08-11 15:28:39 by tatsuki.washimi)