teratail
回答率
85.47%
質問するログイン新規登録
トップに関する質問pythonのimport、from文について

編集履歴

質問編集履歴

1

ソースコードとエラー文の追記

2018/12/29 01:47

投稿

kamikura
kamikura

スコア16

test CHANGED
File without changes
test CHANGED
@@ -29,3 +29,259 @@
29
29
  のMorlet関数になります。
30
30
 
31
31
  余りに初歩的な問題かもしれませんが、宜しくお願いします。
32
+
33
+
34
+
35
+ 質問がありましたので、ソースコード全体とエラー文を追記します。
36
+
37
+ ソースコードから
38
+
39
+ ```python
40
+
41
+ #ライブラリ読み込み
42
+
43
+ from __future__ import division
44
+
45
+ import numpy as np
46
+
47
+ import matplotlib.pyplot as plt
48
+
49
+ import pycwt as wavelet
50
+
51
+ from pycwt.helpers import find
52
+
53
+
54
+
55
+ #分析データ読み込み
56
+
57
+ url = "http://paos.colorado.edu/research/wavelets/wave_idl/nino3sst.txt"
58
+
59
+ dat = np.genfromtxt(url, skip_header=19)
60
+
61
+
62
+
63
+ #メタデータ設定
64
+
65
+ title = "xion t"
66
+
67
+ label = "xion sst"
68
+
69
+ unit = "deg"
70
+
71
+
72
+
73
+ t0 = 1871.0
74
+
75
+ dt = 0.25
76
+
77
+
78
+
79
+ #時間データ生成
80
+
81
+ N = dat.size
82
+
83
+ t = np.arange(0,N) * dt + t0
84
+
85
+
86
+
87
+ #分析対象データの整形
88
+
89
+ p = np.polyfit(t - t0, dat, 1)
90
+
91
+ dat_notrend = dat - np.polyval(p, t - t0)
92
+
93
+ std = dat_notrend.std()#標準偏差
94
+
95
+ var = std ** 2#分散
96
+
97
+ dat_norm = dat_notrend / std#正規化
98
+
99
+
100
+
101
+ #ウェーブレット変換のパラメタ設定
102
+
103
+ mother = mothers.Morlet(6)
104
+
105
+ s0 = 2 * dt
106
+
107
+ dj = 1 / 12
108
+
109
+ J = 7 / dj
110
+
111
+ alpha, _, _ = wavelet.ar1(dat)
112
+
113
+
114
+
115
+ #ウェーブレット変換と逆ウェーブレット変換
116
+
117
+ wave, scales, freqs, coi, fft, fftfreqs = wavelet.cwt(dat_norm, dt, dj, s0, J, mother)
118
+
119
+ iwave = wavelet.icwt(wave, scales, dt, dj, mother) * std
120
+
121
+
122
+
123
+ #ウェーブレットとフーリエの各スペクトル算出
124
+
125
+ power = (np.abs(wave)) ** 2
126
+
127
+ fft_power = np.abs(fft) ** 2
128
+
129
+ period = 1 / freqs
130
+
131
+
132
+
133
+ #規格化
134
+
135
+ power /= scales[:, None]
136
+
137
+
138
+
139
+ #パワースペクトル95%信頼区間での優位性検証
140
+
141
+ signif, fft_theor = wavelet.significance(1.0, dt, scales, 0, alpha, significance_lavel=0.95, wavelet=mother)
142
+
143
+ sig95 = np.ones([1, N]) * signif[:, None]
144
+
145
+ sig95 = power / sig95
146
+
147
+
148
+
149
+ #グローバルウェーブレットスペクトルとその優位性の算出
150
+
151
+ glbl_power = power.mean(axis=1)
152
+
153
+ dof = N - scales
154
+
155
+ glbl_signif, tmp = wavelet.signifcance(var, dt, scales, 1, alpha, significance_lavel=0.95, dof=dof, wavelet=mother)
156
+
157
+
158
+
159
+ #スケールの平均値とその優位性の算出
160
+
161
+ sel = find((period >=2) & (period < 8))
162
+
163
+ Cdelta = mother.cdelta
164
+
165
+ scale_avg = (scales * np.ones((N, 1))).transpose()
166
+
167
+ scale_avg = power / scale_avg
168
+
169
+ scale_avg = var * dj * dt / Cdelta * scale_avg[sel, :].sum(axis=0)
170
+
171
+ scale_avg_signif, tmp = wavelet.significance(var, dt, scales, 2, alpha, significance_lavel=0.95, dof=[scales[sel[0]],scales[sel[-1]]], wavelet=mother)
172
+
173
+
174
+
175
+ #ウェーブレット解析結果の可視化
176
+
177
+ plt.close("all")
178
+
179
+ plt.ioff()
180
+
181
+ figprops = dict(figsize=(11, 8), dpi=72)
182
+
183
+ fig = plt.figure(**figprops)
184
+
185
+
186
+
187
+ ax = plt.axes([0.1, 0.75, 0.65, 0.2])
188
+
189
+ ax.plot(t, iwave, "-", linewidth=1, color=[0.5, 0.5, 0.5])
190
+
191
+ ax.plot(t, dat, "k", linewidth=1.5)
192
+
193
+ ax.set_title("a) {}".format(title))
194
+
195
+ ax.set_ylabel(r"{} [{}]".format(lavel, units))
196
+
197
+
198
+
199
+ bx = plt.axes([0.1, 0.37, 0.65, 0.28], sharex=ax)
200
+
201
+ levels = [0.0625, 0.125, 0.25, 0.5, 1, 2, 4, 8, 16]
202
+
203
+ bx.contourf(t, np.log2(period), np.log2(power), np.log2(levels), extend="both", cmap=plt.cm.viridis)
204
+
205
+ extent = [t.min(), t.max(), 0, max(period)]
206
+
207
+ bx.contour(t, np.log2(period), sig95, [-99, 1], colors="k", linewidths=2, extent=extent)
208
+
209
+ bx.fill(np.concatenate([t, t[-1:], +dt, t[-1:], + dt, t[:1] - dt, t[:1] - dt]),
210
+
211
+ np.concatenate(np.log2(coi), [1e-9], np.log2(period[-1:]), np.log2(period[-1:]), [1e-9]), "k", alpha=0.3, hatch="x")
212
+
213
+ bx.set_title("b){}Wavelet Power Spectrum ({})".format(label, mother.name))
214
+
215
+ bx.set_ylabel("Period (years)")
216
+
217
+
218
+
219
+ Yticks = 2 ** np.arange(np.ceil(np.log2(period.min())), np.ciel(period.max()))
220
+
221
+ bx.set_yticks(np.log2(Yticks))
222
+
223
+ bx.set_yticklabels(Yticks)
224
+
225
+
226
+
227
+ cx = plt.axes([0.77, 0.37, 0.2, 0.28], sharey=bx)
228
+
229
+ cx.plot(glbl_signif, np.log2(period), "k--")
230
+
231
+ cx.plot(var * fft_theor, np.log2(period), "--", color="#ccccc")
232
+
233
+ cx.plot(var * fft_power, np.log2(1./fftfreqs), "-", color="#ccccc", linewidth=1.)
234
+
235
+ cx.plot(var * glbl_power, np.log2(period), "k-", linewidth=1.5)
236
+
237
+ cx.set_title("c) Global Wavelet Spectrum")
238
+
239
+ cx.set_xlabel(r"Power [({})^2]".format(units))
240
+
241
+ cx.set_xlim([0, glbl_power.max() +var])
242
+
243
+ cx.set_ylim(np.log2([period.min(), period.max()]))
244
+
245
+ cx.set_yticks(np.log2(Yticks))
246
+
247
+ cx.set_yticklabels(Yticks)
248
+
249
+ plt.setp(cx.get_yticklabels(), visible=False)
250
+
251
+
252
+
253
+ dx = plt.axes([0.1, 0.07, 0.65, 0.2], sharex=ax)
254
+
255
+ dx.axhline(scale_avg_signif, color="k", linestyle="--", linewidth=1.)
256
+
257
+ dx.plot(t, scale_avg, "k-", linewidth=1.5)
258
+
259
+ dx.set_title("d) {}--{} year scale-averaged power".format(2, 8))
260
+
261
+ dx.set_xlabel("Time (year)")
262
+
263
+ dx.set_ylabel(r"Average variance [{}]".format(units))
264
+
265
+ ax.set_xlim([t.min(), i.max()])
266
+
267
+
268
+
269
+ plt.show()
270
+
271
+ ```
272
+
273
+ エラー文
274
+
275
+ ```python
276
+
277
+ Traceback (most recent call last):
278
+
279
+ File "Z:\03作業用フォルダ\学生\テキスト読み込みできるwavelet変換\wavelet_power_spectle.py", line 6, in <module>
280
+
281
+ from pycwt.helpers import find
282
+
283
+ ModuleNotFoundError: No module named 'pycwt.helpers'
284
+
285
+ ```
286
+
287
+ 以上です。よろしくお願いします。