在 numpy.correlate 中指定滞后

Matlab互相关函数xcorr(x,y,maxlags)有一个选项maxlag，返回滞后范围内的互相关序列[-maxlags:maxlags]。纳比的numpy.correlate(N,M,mode)有三种模式，但没有一种模式允许我设置特定的延迟，这与完全不同(N+M-1), same (max(M, N))或有效(max(M, N) - min(M, N) + 1 ). For len(N) = 60000, len (M) = 200，我想将滞后设置为100。

matplotlib.xcorr有 maxlags 参数。它实际上是一个包装numpy.correlate，因此没有性能节省。尽管如此，它给出的结果与 Matlab 互相关函数给出的结果完全相同。下面我编辑了 maxplotlib 中的代码，以便它仅返回相关性。原因是如果我们使用matplotlib.corr事实上，它也会返回情节。问题是，如果我们将复杂数据类型作为参数放入其中，当 matplotlib 尝试绘制绘图时，我们将收到“将复杂数据类型转换为真实数据类型”警告。

<!-- language: python -->

import numpy as np
import matplotlib.pyplot as plt

def xcorr(x, y, maxlags=10):
    Nx = len(x)
    if Nx != len(y):
        raise ValueError('x and y must be equal length')

    c = np.correlate(x, y, mode=2)

    if maxlags is None:
        maxlags = Nx - 1

    if maxlags >= Nx or maxlags < 1:
        raise ValueError('maxlags must be None or strictly positive < %d' % Nx)

    c = c[Nx - 1 - maxlags:Nx + maxlags]

    return c