sample_rate, signal = wav.read('Male_Twenties.wav') pre_emphasis = 0.95 emphasized_signal = numpy.append(signal[0], signal[1:] - pre_emphasis * signal[:-1]) plt.plot(signal) plt.title("Original Signal") plt.plot(emphasized_signal) plt.title("Preemphasis Signal") plt.show()该代码为什么只输出了一个子图
时间: 2023-07-15 07:14:19 浏览: 47
这是因为 `plt.show()` 只显示最后一个子图,而在该代码中,最后一个 `plt.title()` 是 "Preemphasis Signal",所以只会显示 Preemphasis Signal 的子图。
如果想要同时显示多个子图,可以在每个 `plt.title()` 之前加上 `plt.figure()`,如下所示:
```
sample_rate, signal = wav.read('Male_Twenties.wav')
pre_emphasis = 0.95
emphasized_signal = numpy.append(signal[0], signal[1:] - pre_emphasis * signal[:-1])
plt.figure()
plt.plot(signal)
plt.title("Original Signal")
plt.figure()
plt.plot(emphasized_signal)
plt.title("Preemphasis Signal")
plt.show()
```
这样就可以同时显示原始信号和预加重信号的子图了。
相关问题
sample_rate, signal = wav.read('Male_Twenties.wav') pre_emphasis = 0.95 emphasized_signal = numpy.append(signal[0], signal[1:] - pre_emphasis * signal[:-1])输出为折线图时横纵坐标该如何命名
横坐标可以命名为“时间”或“采样点”,纵坐标可以命名为“信号幅度”或“强度”。可以使用Matplotlib库的plot函数来绘制折线图,代码示例如下:
```
import matplotlib.pyplot as plt
plt.plot(emphasized_signal)
plt.xlabel('Time')
plt.ylabel('Amplitude')
plt.show()
```
其中,plt.xlabel和plt.ylabel分别用于设置横坐标和纵坐标的标签。您也可以根据具体情况进行修改。
age_preg_bar = px.box(risk_factor_df, x="age_cat", y="Num of pregnancies", color_discrete_sequence=["darkblue"], points="outliers", category_orders=["Teenager", "Twenties", "Thirties", "Forties", "Fifties", "Seventy and over"]) age_preg_bar.update_xaxes(title="Age Category") age_preg_bar.update_yaxes(title="Number of Pregnancies") age_preg_bar.update_layout(title="Distribution of number of pregnancies per age group") age_preg_bar.show()用pyecharts绘制代码
以下是使用pyecharts绘制类似的箱线图的代码:
```python
from pyecharts.charts import Boxplot
from pyecharts import options as opts
import pandas as pd
# 读入数据
risk_factor_df = pd.read_csv('risk_factor.csv')
# 按照年龄分组
groups = risk_factor_df.groupby('age_cat')['Num of pregnancies'].apply(list).reset_index()
# 绘制箱线图
boxplot = Boxplot().add_xaxis(groups['age_cat'].tolist()) \
.add_yaxis("", box_data=groups['Num of pregnancies'].tolist(), \
color="#5470c6", \
itemstyle_opts=opts.ItemStyleOpts(border_color="#5470c6",
border_width=2,
border_type="solid")) \
.set_global_opts(title_opts=opts.TitleOpts(title="Distribution of number of pregnancies per age group"),
yaxis_opts=opts.AxisOpts(name="Number of Pregnancies"),
xaxis_opts=opts.AxisOpts(name="Age Category"))
boxplot.render_notebook()
```
需要注意的是,pyecharts中的Boxplot图并没有针对离群点(points="outliers")进行单独的处理,而是将所有数据都绘制在同一个图中。如果需要将离群点单独绘制,可以考虑使用其他的图表类型或者自己对数据进行处理再绘图。