interpolate_fft.py ダウンロード/コピー
interpolate_fft.py
interpolate_fft.py
1"""
2FFTを用いた周期関数の補間を実行するスクリプト。
3
4概要:
5 このスクリプトは、入力ファイルから読み込んだ、または内部で生成したデータに対して、
6 高速フーリエ変換(FFT)を使用して周期関数の補間を行います。
7 補間されたデータと元のデータ、必要であれば厳密な関数をプロットして比較します。
8
9詳細説明:
10 スクリプトは複数の方法で入力データを取得します。
11 コマンドライン引数またはデフォルトで指定されたExcelファイルからデータを読み込みます。
12 do_mirrorフラグがTrueの場合、読み込んだデータはミラーリングされて拡張されます。
13 Excelファイルが指定されていない、またはgenerateが指定された場合は、
14 periodic_functionで定義されたサンプルデータが生成されます。
15 取得したデータはFFTによって周波数領域に変換され、
16 指定された補間係数に基づいてパディングされた後、逆FFTによって時間領域に戻されます。
17 これにより、元のデータ点よりも密な補間データが生成されます。
18 最終的に、元のデータ、補間されたデータ、および生成された場合は厳密な関数のプロットが表示されます。
19
20関連リンク:
21 interpolate_fft_usage
22"""
23
24import sys
25import numpy as np
26import pandas as pd
27import matplotlib.pyplot as plt
28
29#===================
30# デフォルトパラメータ
31#===================
32INFILE_DEF = "interpolate_fft_test.xlsx"
33DO_MIRROR_DEF = False
34KRANGE_DEF = [-0.5, 0.5]
35N_SAMPLES_DEF = 10
36INTERP_FACTOR = 10
37FIGSIZE_DEF = (4, 6)
38
39def periodic_function(k):
40 """
41 概要:
42 特定の周期関数を計算します。
43 詳細説明:
44 入力値kに基づいて、数式 -cos(2 * pi * k) * (1 + 5 * k**2) を評価し、その結果を返します。
45 この関数は、周期的なデータ生成のためのサンプルとして使用されます。
46 引数:
47 :param k: 関数を評価する入力値。
48 :type k: numpy.ndarray or float
49 戻り値:
50 :returns: 関数の計算結果。入力kと同じ型で返されます。
51 :rtype: numpy.ndarray or float
52 """
53 return -np.cos(2.0 * np.pi * k) * (1.0 + 5.0 * k**2)
54
55def read_data(infile, do_mirror=False):
56 """
57 概要:
58 指定されたExcelファイルからx-yデータを読み込みます。
59 詳細説明:
60 与えられたExcelファイルから、最初の2列のデータをxとyとして読み込みます。
61 読み込まれたデータからはNaN値が除去されます。
62 do_mirrorがTrueの場合、読み込んだデータはy軸に対してミラーリングされ、元のデータの前に結合されます。
63 これにより、データセットが周期性を維持したまま拡張されます。
64 引数:
65 :param infile: 読み込むExcelファイルのパス。
66 :type infile: str
67 :param do_mirror: データをミラーリングして拡張するかどうかを示すフラグ。Trueの場合は拡張されます。
68 :type do_mirror: bool
69 戻り値:
70 :returns: xデータとyデータのリストのタプル。エラーが発生した場合は空のリストのタプル。
71 :rtype: tuple of list
72 例外:
73 :raises Exception: Excelファイルの読み込み中にエラーが発生した場合にコンソールにエラーメッセージを出力します。
74 """
75 try:
76 df = pd.read_excel(infile)
77 x = df.iloc[:,0].values.tolist()
78 y = df.iloc[:,1].values.tolist()
79 # NaNを除外
80 x = [i for i in x if str(i) != 'nan']
81 y = [i for i in y if str(i) != 'nan']
82
83 if do_mirror:
84 _x = [-x[i] for i in range(len(x) - 1, 0, -1)]
85 _x.extend(x)
86 _y = [y[i] for i in range(len(y) - 1, 0, -1)]
87 _y.extend(y)
88 return _x, _y
89 else:
90 return x, y
91 except Exception as e:
92 print(f"Error reading {infile}: {e}")
93 return [], []
94
95def main():
96 """
97 概要:
98 FFTを用いた周期関数の補間処理全体を制御し、結果を可視化します。
99 詳細説明:
100 この関数は、まずコマンドライン引数またはデフォルト設定から補間パラメータを初期化します。
101 次に、指定されたExcelファイルからデータを読み込むか、
102 periodic_functionを使用してサンプルデータを生成します。
103 取得したデータに対して高速フーリエ変換(FFT)を適用し、周波数領域でゼロパディングを行います。
104 その後、逆FFTを実行して補間された時間領域のデータを生成します。
105 最後に、元のデータ、補間されたデータ、および厳密な関数が存在する場合はmatplotlibを用いてプロットし、
106 結果を可視化します。
107 """
108 # パラメータの初期化
109 infile = INFILE_DEF
110 do_mirror = DO_MIRROR_DEF
111 krange = KRANGE_DEF.copy()
112 n_samples = N_SAMPLES_DEF
113
114 # コマンドライン引数の処理
115 argv = sys.argv
116 narg = len(argv)
117 if narg > 1: infile = argv[1]
118 if narg > 2: do_mirror = bool(int(argv[2]))
119
120 print(f"\nInput mode: {infile}")
121
122 xe, ye = None, None
123
124 # データの取得
125 if infile is not None and infile != "" and infile != "generate":
126 print(f"Reading from Excel: [{infile}]")
127 x_raw, y_raw = read_data(infile, do_mirror)
128 if not x_raw:
129 return
130
131 krange[0], krange[1] = min(x_raw), max(x_raw)
132 n = len(x_raw)
133 # 周期性を考慮し最後の1点を除去してFFT
134 x = np.array(x_raw[:n-1])
135 y = np.array(y_raw[:n-1])
136 n_samples = len(x)
137 else:
138 print("Generating sample data")
139 x = np.linspace(krange[0], krange[1], n_samples, endpoint=False)
140 y = periodic_function(x)
141 # 比較用の厳密解
142 n_exact = n_samples * INTERP_FACTOR
143 xe = np.linspace(krange[0], krange[1], n_exact, endpoint=False)
144 ye = periodic_function(xe)
145
146 # FFT補間の実行
147 n_interp = len(x) * INTERP_FACTOR
148 y_fft = np.fft.fft(y)
149
150 # 周波数領域でのパディング(ゼロパディング)
151 y_fft_padded = np.zeros(n_interp, dtype=complex)
152 # 低周波成分を両端に配置
153 half = len(x) // 2
154 y_fft_padded[:half] = y_fft[:half]
155 y_fft_padded[-half:] = y_fft[-half:]
156
157 # 逆FFTによる時間領域への復元
158 x_interp = np.linspace(krange[0], krange[1], n_interp, endpoint=False)
159 # 強度を維持するため INTERP_FACTOR を乗じる
160 y_interp = np.fft.ifft(y_fft_padded) * INTERP_FACTOR
161
162 # 可視化
163 plt.figure(figsize=FIGSIZE_DEF)
164 plt.plot(x, y, 'o', label='input data', markersize=6)
165 plt.plot(x_interp, y_interp.real, '-', label='interpolated', marker='x', markersize=3, alpha=0.7)
166 if xe is not None:
167 plt.plot(xe, ye, '--', label='exact', alpha=0.5)
168
169 plt.xlabel('x')
170 plt.ylabel('y')
171 plt.legend()
172 plt.title('FFT Interpolation of Periodic Function')
173 plt.tight_layout()
174 plt.show()
175
176if __name__ == "__main__":
177 main()