interpolate_fft.py ダウンロード/コピー

interpolate_fft.py をダウンロード

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()