def plot_spectrum(ppm, data):
Plotter.plot_traces(xdata=ppm,
ydata_list={
'data': data.real,
'label': 'Widmo'
},
layout=Plotter().layout_spectrum(title='Widmo'))
def plot_fid(time, data):
Plotter.plot_traces(xdata=time,
ydata_list={
'data': data.real,
'label': 'FID'
},
layout=Plotter().layout_fid(title='FID'))
def plot_output(xdata, spectrum, signature):
Plotter.plot_traces(xdata=xdata,
ydata_list=[{
'data': spectrum.real,
'label': 'Widmo'
}, {
'data': signature.real,
'label': 'Sygnatura wzorca'
}],
layout=Plotter().layout_spectrum(
title='Dopasowanie sygnatury wzorca'))
def plot_signature(ppm, spectrum, signature):
Plotter.plot_traces(
xdata=ppm,
ydata_list=[{
'data': spectrum.real,
'label': 'Widmo'
}, {
'data': signature.real,
'label': 'Sygnatura wzorca'
}],
layout=Plotter().layout_spectrum(
title='Estymacja maksymalnej amplitudy klastra'))
def plot_output(ppm, unphased, phased):
Plotter.plot_traces(xdata=ppm,
ydata_list=[
{
'data': unphased.real,
'label': 'Widmo'
},
{
'data': phased.real,
'label': 'Widmo (po korekcji fazy)'
},
],
layout=Plotter().layout_spectrum(
title='Automatyczna korekcja fazy'))
def plot_output(ppm, spectrum, no_baseline):
Plotter.plot_traces(
xdata=ppm,
ydata_list=[
{
'data': spectrum.real,
'label': 'Widmo'
},
{
'data': no_baseline.real,
'label': 'Widmo (po korekcie linii bazowej)'
},
],
layout=Plotter().layout_spectrum(
title='Algorytm usuwania linii bazowej'
)
)
def plot_pdf(self):
pdf = self.get_pdf()
Plotter.plot_traces(
xdata=pdf['x'],
ydata_list=[
{
'data': pdf['y'],
'label': 'Funkcja gęstości prawdopodobieństwa'
},
],
layout=Plotter().layout_pdf(
xtitle='Stężenie związku [μM]',
ytitle='Prawdopodobieństwo [a.u.]',
title="Funkcja gęstości prawdopodobieństwa dla stężenia {}".format(self.name),
mode_line=[pdf['mode_x'], pdf['mode_y']],
mode_low_line=[pdf['error_low_x'], pdf['error_low_y']],
mode_high_line=[pdf['error_high_x'], pdf['error_high_y']],
)
)
def plot_lowess(means_array, variance_array, lowess_estimation):
Plotter.plot_scatter(
data_list=[
{
'x': means_array,
'y': variance_array,
'label': 'Obserwacje',
'mode': 'markers'
},
{
'x': lowess_estimation[:, 0],
'y': lowess_estimation[:, 1],
'label': 'Dopasowana krzywa LOWESS',
'mode': 'lines'
},
],
layout=Plotter().layout_lowess(
title='Estymacja wariancji szumu metodą LOWESS'
)
)
def plot_pdf(self):
pdf = self.get_pdf()
Plotter.plot_traces(
xdata=pdf['x'],
ydata_list=[
{
'data': pdf['y'],
'label': 'Funkcja gęstości prawdopodobieństwa'
},
],
layout=Plotter().layout_pdf(
xtitle='Położenie centrum [ppm]',
ytitle='Prawdopodobieństwo [a.u.]',
title="Funkcja gęstości prawdopodobieństwa położenia klastra {}".format(self.name),
mode_line=[pdf['mode_x'], pdf['mode_y']],
mode_low_line=[pdf['error_low_x'], pdf['error_low_y']],
mode_high_line=[pdf['error_high_x'], pdf['error_high_y']],
reversed=True
)
)
def plot_output_with_residual(ppm, spectrum, results, residual):
Plotter.plot_decomposition_with_residual(ppm, spectrum, results,
residual)
def plot_output(ppm, spectrum, results, output_path=None, auto_open=True):
Plotter.plot_decomposition(ppm, spectrum, results, output_path,
auto_open)