比较图形（折线图）

Question

我试着比较一组图表。Plot我想比较所有的“薄”印刷图和“厚”（-GoalGraphs）印刷图。你知道吗

数据 -所有数据的长度和振幅略有不同（见下文）

Graph a: [315,92,60,46,36,33,29,28,26,24,23,22,20,21,19,19,18,17,18,17,16,17,16,16,17,16,16,17,16,17,16,17,15,17,16,17,16,17,17,16,16,16,16,17,17,16,17,16,16,16,15,16,17,17,16,16,17,16,17,16,17,16,16,17,16,16,16,16,17,16,17,16,17,18,16,18,18,18,18,19,19,20,20,23,30,40,56,69,62,59,55,59,66,78,79,75,84,77,72,73,79,83,86,586]

Graph x: [302,88,56,45,38,34,30,28,25,25,22,22,20,20,18,19,17,18,17,16,17,16,16,16,16,16,16,15,16,17,16,16,17,16,16,17,16,16,16,16,17,16,17,17,16,17,17,17,17,17,18,17,18,19,19,19,20,23,27,37,49,69,64,61,56,55,60,71,79,75,78,87,73,75,78,79,81,590]

目标-我想检查“更薄”图形的形状是否与“更厚”图形的形状相同。因此，即使数据点的位置不匹配正确，我希望算法能够识别模式。你知道吗

解决方案

1. 我读到了关于插值较厚的图形并将它们与其他图形进行比较的内容。我可以找到一个插值图scipy的解决方案，但是我找不到如何将它与其他图进行比较。我也不确定这是否与数据点“丢失”的图匹配（例如，图比目标图短）

2. 我吹捧关于马斯钦勒宁或模式识别，我试图找到一些好的陈述点，但领域是巨大的。

3. 雅科夫·丹提到我试过

import numpy as np

array_a = [315,92,60,46,36,33,29,28,26... ]

array_b = [302,88,56,45,38,34,30,28,25... ]

print(np.correlate(array_a,array_b,'valid'),'valid')

which results in [578559] valid

你能解释一下结果代表什么吗？你知道吗

问题是：-最好的方法是什么？有人能告诉我从哪里开始，或者如何解决这个问题吗？你知道吗

Answer 1

从归一化每个图的振幅开始，然后计算成对互相关。你知道吗

假设有array_a和array_b，其中包含要比较的数据。您可以使用numpy将它们交叉关联起来，如下所示：

抄送=np.关联（数组a，数组b，mode='full'）。你知道吗

cc是vector，不是值。cc所包含的是array_a和array_b的移位版本之间的相似性。cc[0]包含array_a和array_b之间的相似性，当array_b移位0时，cc[1]包含array_a和array_b之间的相似性，当array_b移位1时， cc[2]包含array_a和array_b之间的相似性，当array_b移位2时，依此类推。。。当array_b和array_a之间存在重叠时，所有可能的移位

看看你能不能从这里拿走