`matplotlib.mlab`#

为与具有相同名称的 MATLAB 命令兼容而编写的数值 Python 函数。大多数数值 Python 函数都可以在NumPy和SciPy库中找到。这里剩下的是用于执行谱计算和核密度估计的代码。

光谱函数#

cohere: 相干性（归一化交叉谱密度）
csd: 使用韦尔奇平均周期图的交叉谱密度
detrend: 从数组中删除平均线或最佳拟合线
psd: 使用韦尔奇平均周期图的功率谱密度
specgram: 频谱图（时间段的频谱）
complex_spectrum: 返回信号的复值频谱
magnitude_spectrum: 返回信号频谱的幅度
angle_spectrum: 返回信号频谱的角度（环绕相位）
phase_spectrum: 返回信号频谱的相位（展开角）
detrend_mean: 从一条线上删除平均值。
detrend_linear: 从一条线中删除最佳拟合线。
detrend_none: 返回原始行。
stride_windows: 以节省内存的方式获取数组中的所有窗口

类 matplotlib.mlab。GaussianKDE ( dataset , bw_method = None ) [source] #

基地：object

使用高斯核表示核密度估计。

参数：

数据集数组: 要估计的数据点。在单变量数据的情况下，这是一个一维数组，否则是一个具有形状（# of dims，# of data）的二维数组。
bw_method str，标量或可调用，可选: 用于计算估计器带宽的方法。这可以是“scott”、“silverman”、标量常量或可调用对象。如果是标量，这将直接用作kde.factor. 如果是可调用的，它应该将一个GaussianKDE实例作为唯一参数并返回一个标量。如果无（默认），则使用“斯科特”。

属性：

数据集ndarray: 传递给构造函数的数据集。
昏暗的诠释: 维数。
num_dp整数: 数据点的数量。
因子浮动: 从获得的带宽因子，kde.covariance_factor与协方差矩阵相乘。
协方差数组: dataset的协方差矩阵，按计算的带宽 ( kde.factor) 缩放。
inv_cov ndarray: 协方差的倒数。

方法

kde.evaluate(点)	(ndarray) 在一组提供的点上评估估计的 pdf。
kde(点)	(ndarray) 与 kde.evaluate(points) 相同

covariance_factor ( ) [来源] #

评估（点）[来源] #

在一组点上评估估计的 pdf。

参数：

点（维度#，点数）-数组: 或者，可以传入 (# of dimensions,) 向量并将其视为单个点。

返回：

（点数，）-数组: 每个点的值。

提高：

ValueError如果输入点的维度不同: 比 KDE 的维度。

scotts_factor ( ) [来源] #

silverman_factor ( ) [来源] #

matplotlib.mlab。angle_spectrum ( x , Fs = None , window = None , pad_to = None , side = None ) #

计算x的频谱（环绕相位谱）的角度。将数据填充到pad_to的长度，并将窗口函数窗口应用于信号。

参数：

x一维数组或序列: 包含数据的数组或序列
Fs浮点数，默认：2: 采样频率（每个时间单位的样本数）。它用于计算傅立叶频率freqs，以每时间单位的周期为单位。
窗口可调用或 ndarray，默认值：window_hanning: 长度为NFFT的函数或向量。要创建窗口向量，请参见 window_hanning、window_none、numpy.blackman、numpy.hamming、 numpy.bartlett、scipy.signal、scipy.signal.get_window等。如果将函数作为参数传递，它必须将数据段作为参数并返回该段的窗口版本。
边{'默认'，'单面'，'双面'}，可选: 返回频谱的哪一边。'default' 对于真实数据是单面的，对于复杂数据是双面的。'oneside' 迫使单方面的频谱回归，而 'twolateral' 则迫使双方回归。
pad_to int，可选: 执行 FFT 时数据段填充到的点数。虽然不会增加光谱的实际分辨率（可分辨峰之间的最小距离），但这可以在图中提供更多点，从而获得更多细节。这对应于调用中的nfft参数。默认值为None，它将pad_to设置为等于输入信号的长度（即无填充）。

返回：

光谱一维阵列: 频谱的角度（缠绕相位谱）。
频率一维数组: 对应于频谱中元素的频率。

也可以看看

psd: 返回功率谱密度。
complex_spectrum: 返回复值频谱。
magnitude_spectrum: 返回的绝对值complex_spectrum。
angle_spectrum: 返回的角度complex_spectrum。
phase_spectrum: 返回的相位（展开角）complex_spectrum。
specgram: 可以返回信号中段的复杂频谱。

matplotlib.mlab。cohere ( x , y , NFFT=256 , Fs=2 , detrend=<function detrend_none> , window=<function window_hanning> , noverlap=0 , pad_to=None , side ='default' , scale_by_freq=None ) [来源] #

x和y之间的一致性。相干性是归一化的交叉谱密度：

\[C_{xy} = \frac{|P_{xy}|^2}{P_{xx}P_{yy}}\]

参数：

x, y: 包含数据的数组或序列
Fs浮点数，默认：2: 采样频率（每个时间单位的样本数）。它用于计算傅立叶频率freqs，以每时间单位的周期为单位。
窗口可调用或 ndarray，默认值：window_hanning: 长度为NFFT的函数或向量。要创建窗口向量，请参见 window_hanning、window_none、numpy.blackman、numpy.hamming、 numpy.bartlett、scipy.signal、scipy.signal.get_window等。如果将函数作为参数传递，它必须将数据段作为参数并返回该段的窗口版本。
边{'默认'，'单面'，'双面'}，可选: 返回频谱的哪一边。'default' 对于真实数据是单面的，对于复杂数据是双面的。'oneside' 迫使单方面的频谱回归，而 'twolateral' 则迫使双方回归。
pad_to int，可选: 执行 FFT 时数据段填充到的点数。这可能与NFFT不同，后者指定使用的数据点数。虽然不会增加光谱的实际分辨率（可分辨峰之间的最小距离），但这可以在图中提供更多点，从而获得更多细节。这对应于调用中的nfft参数。默认为 None，将pad_to设置为NFFT
NFFT int，默认值：256: FFT 的每个块中使用的数据点数。幂 2 是最有效的。这不应该用于获得零填充，否则结果的缩放将不正确；使用pad_to代替。
detrend {'none', 'mean', 'linear'} 或可调用的，默认值：'none': 在 fft-ing 之前应用于每个段的函数，旨在消除均值或线性趋势。与 MATLAB 中的detrend参数是一个向量不同，在 Matplotlib 中它是一个函数。该mlab 模块定义detrend_none、detrend_mean和detrend_linear，但您也可以使用自定义函数。您还可以使用字符串来选择功能之一： 'none' calls detrend_none。“卑鄙”的电话 detrend_mean。'线性'调用detrend_linear。
scale_by_freq布尔值，默认值：True: 生成的密度值是否应按缩放频率缩放，以 1/Hz 为单位给出密度。这允许对返回的频率值进行积分。对于 MATLAB 兼容性，默认值为 True。
noverlap int，默认值：0（无重叠）: 段之间的重叠点数。

返回：

Cxy一维数组: 相干向量。
频率一维数组: Cxy中元素的频率。

也可以看看

psd(),csd(): 有关用于计算的方法的信息\(P_{xy}\),\(P_{xx}\)和\(P_{yy}\).

matplotlib.mlab。complex_spectrum ( x , Fs = None , window = None , pad_to = None , side = None ) #

计算x的复值频谱。将数据填充到pad_to的长度，并将窗口函数窗口应用于信号。

参数：

x一维数组或序列: 包含数据的数组或序列
Fs浮点数，默认：2: 采样频率（每个时间单位的样本数）。它用于计算傅立叶频率freqs，以每时间单位的周期为单位。
窗口可调用或 ndarray，默认值：window_hanning: 长度为NFFT的函数或向量。要创建窗口向量，请参见 window_hanning、window_none、numpy.blackman、numpy.hamming、 numpy.bartlett、scipy.signal、scipy.signal.get_window等。如果将函数作为参数传递，它必须将数据段作为参数并返回该段的窗口版本。
边{'默认'，'单面'，'双面'}，可选: 返回频谱的哪一边。'default' 对于真实数据是单面的，对于复杂数据是双面的。'oneside' 迫使单方面的频谱回归，而 'twolateral' 则迫使双方回归。
pad_to int，可选: 执行 FFT 时数据段填充到的点数。虽然不会增加光谱的实际分辨率（可分辨峰之间的最小距离），但这可以在图中提供更多点，从而获得更多细节。这对应于调用中的nfft参数。默认值为None，它将pad_to设置为等于输入信号的长度（即无填充）。

返回：

光谱一维阵列: 复值频谱。
频率一维数组: 对应于频谱中元素的频率。

也可以看看

psd: 返回功率谱密度。
complex_spectrum: 返回复值频谱。
magnitude_spectrum: 返回的绝对值complex_spectrum。
angle_spectrum: 返回的角度complex_spectrum。
phase_spectrum: 返回的相位（展开角）complex_spectrum。
specgram: 可以返回信号中段的复杂频谱。

matplotlib.mlab。csd ( x , y , NFFT = None , Fs = None , detrend = None , window = None , noverlap = None , pad_to = None , side = None , scale_by_freq = None ) [来源] #

计算交叉谱密度。

交叉谱密度\(P_{xy}\)Welch 的平均周期图法。向量x和y被分成 NFFT长度段。每个段由函数 detrend 去趋势并由函数window加窗。noverlap给出段之间重叠的长度。x和y的直接 FFT 的乘积在每个段上平均计算\(P_{xy}\)，通过缩放来校正由于开窗引起的功率损耗。

如果 len( x ) < NFFT或 len( y ) < NFFT，它们将被零填充到NFFT。

参数：

x, y一维数组或序列: 包含数据的数组或序列
Fs浮点数，默认：2: 采样频率（每个时间单位的样本数）。它用于计算傅立叶频率freqs，以每时间单位的周期为单位。
窗口可调用或 ndarray，默认值：window_hanning: 长度为NFFT的函数或向量。要创建窗口向量，请参见 window_hanning、window_none、numpy.blackman、numpy.hamming、 numpy.bartlett、scipy.signal、scipy.signal.get_window等。如果将函数作为参数传递，它必须将数据段作为参数并返回该段的窗口版本。
边{'默认'，'单面'，'双面'}，可选: 返回频谱的哪一边。'default' 对于真实数据是单面的，对于复杂数据是双面的。'oneside' 迫使单方面的频谱回归，而 'twolateral' 则迫使双方回归。
pad_to int，可选: 执行 FFT 时数据段填充到的点数。这可能与NFFT不同，后者指定使用的数据点数。虽然不会增加光谱的实际分辨率（可分辨峰之间的最小距离），但这可以在图中提供更多点，从而获得更多细节。这对应于调用中的nfft参数。默认为 None，将pad_to设置为NFFT
NFFT int，默认值：256: FFT 的每个块中使用的数据点数。幂 2 是最有效的。这不应该用于获得零填充，否则结果的缩放将不正确；使用pad_to代替。
detrend {'none', 'mean', 'linear'} 或可调用的，默认值：'none': 在 fft-ing 之前应用于每个段的函数，旨在消除均值或线性趋势。与 MATLAB 中的detrend参数是一个向量不同，在 Matplotlib 中它是一个函数。该mlab 模块定义detrend_none、detrend_mean和detrend_linear，但您也可以使用自定义函数。您还可以使用字符串来选择功能之一： 'none' calls detrend_none。“卑鄙”的电话 detrend_mean。'线性'调用detrend_linear。
scale_by_freq布尔值，默认值：True: 生成的密度值是否应按缩放频率缩放，以 1/Hz 为单位给出密度。这允许对返回的频率值进行积分。对于 MATLAB 兼容性，默认值为 True。
noverlap int，默认值：0（无重叠）: 段之间的重叠点数。

返回：

Pxy一维数组: 交叉谱的值\(P_{xy}\)缩放前（实际值）
频率一维数组: Pxy中元素对应的频率

也可以看看

psd: 相当于设置。y = x

参考

Bendat & Piersol -- 随机数据：分析和测量程序，John Wiley & Sons (1986)

matplotlib.mlab。detrend ( x , key = None , axis = None ) [来源] #

返回x并移除其趋势。

参数：

x数组或序列: 包含数据的数组或序列。
键{'default'、'constant'、'mean'、'linear'、'none'} 或函数: 要使用的去趋势算法。'default'、'mean' 和 'constant' 与detrend_mean. “线性”与相同detrend_linear。'无' 与相同detrend_none。默认值为“平均”。有关算法的更多详细信息，请参阅相应的函数。也可以是执行去趋势操作的函数。
轴整数: 进行去趋势化的轴。

也可以看看

detrend_mean: “平均”算法的实现。
detrend_linear: “线性”算法的实现。
detrend_none: “无”算法的实现。

matplotlib.mlab。detrend_linear ( y ) [来源] #

返回x减去最佳拟合线；“线性”去趋势。

参数：

y 0-D 或 1-D 数组或序列: 包含数据的数组或序列

也可以看看

detrend_mean: 另一种去趋势算法。
detrend_none: 另一种去趋势算法。
detrend: 所有去趋势算法的包装。

matplotlib.mlab。detrend_mean ( x , axis = None ) [来源] #

返回x减去均值 ( x )。

参数：

x数组或序列: 包含数据的数组或序列可以有任何维度
轴整数: 取平均值的轴。有关numpy.mean此论点的说明，请参阅。

也可以看看

detrend_linear: 另一种去趋势算法。
detrend_none: 另一种去趋势算法。
detrend: 所有去趋势算法的包装。

matplotlib.mlab。detrend_none ( x , axis = None ) [来源] #

返回x：没有去趋势。

参数：

x任何物体: 包含数据的对象
轴整数: 该参数被忽略。包含它是为了与 detrend_mean 兼容

也可以看看

detrend_mean: 另一种去趋势算法。
detrend_linear: 另一种去趋势算法。
detrend: 所有去趋势算法的包装。

matplotlib.mlab。幅度谱（x， Fs =无，窗口=无， pad_to =无，边=无）#

计算x的频谱的幅度（绝对值）。将数据填充到pad_to的长度，并将窗口函数窗口应用于信号。

参数：

x一维数组或序列: 包含数据的数组或序列
Fs浮点数，默认：2: 采样频率（每个时间单位的样本数）。它用于计算傅立叶频率freqs，以每时间单位的周期为单位。
窗口可调用或 ndarray，默认值：window_hanning: 长度为NFFT的函数或向量。要创建窗口向量，请参见 window_hanning、window_none、numpy.blackman、numpy.hamming、 numpy.bartlett、scipy.signal、scipy.signal.get_window等。如果将函数作为参数传递，它必须将数据段作为参数并返回该段的窗口版本。
边{'默认'，'单面'，'双面'}，可选: 返回频谱的哪一边。'default' 对于真实数据是单面的，对于复杂数据是双面的。'oneside' 迫使单方面的频谱回归，而 'twolateral' 则迫使双方回归。
pad_to int，可选: 执行 FFT 时数据段填充到的点数。虽然不会增加光谱的实际分辨率（可分辨峰之间的最小距离），但这可以在图中提供更多点，从而获得更多细节。这对应于调用中的nfft参数。默认值为None，它将pad_to设置为等于输入信号的长度（即无填充）。

返回：

光谱一维阵列: 频谱的幅度（绝对值）。
频率一维数组: 对应于频谱中元素的频率。

也可以看看

psd: 返回功率谱密度。
complex_spectrum: 返回复值频谱。
magnitude_spectrum: 返回的绝对值complex_spectrum。
angle_spectrum: 返回的角度complex_spectrum。
phase_spectrum: 返回的相位（展开角）complex_spectrum。
specgram: 可以返回信号中段的复杂频谱。

matplotlib.mlab。phase_spectrum ( x , Fs = None , window = None , pad_to = None , side = None ) #

计算x的频谱（展开的相位谱）的相位。将数据填充到pad_to的长度，并将窗口函数窗口应用于信号。

参数：

x一维数组或序列: 包含数据的数组或序列
Fs浮点数，默认：2: 采样频率（每个时间单位的样本数）。它用于计算傅立叶频率freqs，以每时间单位的周期为单位。
窗口可调用或 ndarray，默认值：window_hanning: 长度为NFFT的函数或向量。要创建窗口向量，请参见 window_hanning、window_none、numpy.blackman、numpy.hamming、 numpy.bartlett、scipy.signal、scipy.signal.get_window等。如果将函数作为参数传递，它必须将数据段作为参数并返回该段的窗口版本。
边{'默认'，'单面'，'双面'}，可选: 返回频谱的哪一边。'default' 对于真实数据是单面的，对于复杂数据是双面的。'oneside' 迫使单方面的频谱回归，而 'twolateral' 则迫使双方回归。
pad_to int，可选: 执行 FFT 时数据段填充到的点数。虽然不会增加光谱的实际分辨率（可分辨峰之间的最小距离），但这可以在图中提供更多点，从而获得更多细节。这对应于调用中的nfft参数。默认值为None，它将pad_to设置为等于输入信号的长度（即无填充）。

返回：

光谱一维阵列: 频谱的相位（展开的相位频谱）。
频率一维数组: 对应于频谱中元素的频率。

也可以看看

psd: 返回功率谱密度。
complex_spectrum: 返回复值频谱。
magnitude_spectrum: 返回的绝对值complex_spectrum。
angle_spectrum: 返回的角度complex_spectrum。
phase_spectrum: 返回的相位（展开角）complex_spectrum。
specgram: 可以返回信号中段的复杂频谱。

matplotlib.mlab。psd（x， NFFT = None， Fs = None， detrend = None， window = None， noverlap = None， pad_to = None， sides = None， scale_by_freq = None）[来源] #

计算功率谱密度。

功率谱密度\(P_{xx}\)Welch 的平均周期图法。向量x被分成NFFT长度段。每个段由函数detrend 去趋势并由函数window加窗。noverlap给出段之间重叠的长度。这\(|\mathrm{fft}(i)|^2\) 每个段的\(i\)平均计算\(P_{xx}\).

如果 len( x ) < NFFT，它将被零填充到NFFT。

参数：

x一维数组或序列: 包含数据的数组或序列
Fs浮点数，默认：2: 采样频率（每个时间单位的样本数）。它用于计算傅立叶频率freqs，以每时间单位的周期为单位。
窗口可调用或 ndarray，默认值：window_hanning: 长度为NFFT的函数或向量。要创建窗口向量，请参见 window_hanning、window_none、numpy.blackman、numpy.hamming、 numpy.bartlett、scipy.signal、scipy.signal.get_window等。如果将函数作为参数传递，它必须将数据段作为参数并返回该段的窗口版本。
边{'默认'，'单面'，'双面'}，可选: 返回频谱的哪一边。'default' 对于真实数据是单面的，对于复杂数据是双面的。'oneside' 迫使单方面的频谱回归，而 'twolateral' 则迫使双方回归。
pad_to int，可选: 执行 FFT 时数据段填充到的点数。这可能与NFFT不同，后者指定使用的数据点数。虽然不会增加光谱的实际分辨率（可分辨峰之间的最小距离），但这可以在图中提供更多点，从而获得更多细节。这对应于调用中的nfft参数。默认为 None，将pad_to设置为NFFT
NFFT int，默认值：256: FFT 的每个块中使用的数据点数。幂 2 是最有效的。这不应该用于获得零填充，否则结果的缩放将不正确；使用pad_to代替。
detrend {'none', 'mean', 'linear'} 或可调用的，默认值：'none': 在 fft-ing 之前应用于每个段的函数，旨在消除均值或线性趋势。与 MATLAB 中的detrend参数是一个向量不同，在 Matplotlib 中它是一个函数。该mlab 模块定义detrend_none、detrend_mean和detrend_linear，但您也可以使用自定义函数。您还可以使用字符串来选择功能之一： 'none' calls detrend_none。“卑鄙”的电话 detrend_mean。'线性'调用detrend_linear。
scale_by_freq布尔值，默认值：True: 生成的密度值是否应按缩放频率缩放，以 1/Hz 为单位给出密度。这允许对返回的频率值进行积分。对于 MATLAB 兼容性，默认值为 True。
noverlap int，默认值：0（无重叠）: 段之间的重叠点数。

返回：

Pxx一维阵列: 功率谱的值\(P_{xx}\)（实际价值）
频率一维数组: Pxx中元素对应的频率

也可以看看

specgram: specgram默认重叠不同；不返回分段周期图的平均值；并返回片段的时间。
magnitude_spectrum: 返回幅度谱。
csd: 返回两个信号之间的频谱密度。

参考

Bendat & Piersol -- 随机数据：分析和测量程序，John Wiley & Sons (1986)

matplotlib.mlab。specgram ( x , NFFT = None , Fs = None , detrend = None , window = None , noverlap = None , pad_to = None , side = None , scale_by_freq = None , mode = None ) [来源] #

计算频谱图。

计算并绘制x中数据的频谱图。数据被分成 NFFT长度段，并计算每个段的频谱。对每个段应用开窗函数window，每个段的重叠量用noverlap指定。

参数：

x类数组

一维数组或序列。

Fs浮点数，默认：2

采样频率（每个时间单位的样本数）。它用于计算傅立叶频率freqs，以每时间单位的周期为单位。

窗口可调用或 ndarray，默认值：window_hanning

长度为NFFT的函数或向量。要创建窗口向量，请参见 window_hanning、window_none、numpy.blackman、numpy.hamming、 numpy.bartlett、scipy.signal、scipy.signal.get_window等。如果将函数作为参数传递，它必须将数据段作为参数并返回该段的窗口版本。

边{'默认'，'单面'，'双面'}，可选

返回频谱的哪一边。'default' 对于真实数据是单面的，对于复杂数据是双面的。'oneside' 迫使单方面的频谱回归，而 'twolateral' 则迫使双方回归。

pad_to int，可选

执行 FFT 时数据段填充到的点数。这可能与NFFT不同，后者指定使用的数据点数。虽然不会增加光谱的实际分辨率（可分辨峰之间的最小距离），但这可以在图中提供更多点，从而获得更多细节。这对应于调用中的nfft参数。默认为 None，将pad_to设置为NFFT

NFFT int，默认值：256

FFT 的每个块中使用的数据点数。幂 2 是最有效的。这不应该用于获得零填充，否则结果的缩放将不正确；使用pad_to代替。

detrend {'none', 'mean', 'linear'} 或可调用的，默认值：'none'

在 fft-ing 之前应用于每个段的函数，旨在消除均值或线性趋势。与 MATLAB 中的detrend参数是一个向量不同，在 Matplotlib 中它是一个函数。该mlab 模块定义detrend_none、detrend_mean和detrend_linear，但您也可以使用自定义函数。您还可以使用字符串来选择功能之一： 'none' calls detrend_none。“卑鄙”的电话 detrend_mean。'线性'调用detrend_linear。

scale_by_freq布尔值，默认值：True

生成的密度值是否应按缩放频率缩放，以 1/Hz 为单位给出密度。这允许对返回的频率值进行积分。对于 MATLAB 兼容性，默认值为 True。

noverlap int，默认值：128

块之间的重叠点数。

模式str，默认值：'psd'

使用什么样的频谱：

'psd': 返回功率谱密度。
'复杂的': 返回复值频谱。
'震级': 返回幅度谱。
'角度': 返回相位谱而不展开。
'阶段': 返回展开的相位谱。

返回：

谱阵列状: 二维数组，列是连续段的周期图。
类似数组的频率: 一维数组，频率对应于频谱中的行。
t类数组: 一维数组，对应于片段中点的时间（即频谱中的列）。

也可以看看

psd: 重叠和返回值不同。
complex_spectrum: 类似，但具有复值频率。
magnitude_spectrum: 当模式为“幅度”时，类似的单段。
angle_spectrum: 当模式为“角度”时，类似于单段。
phase_spectrum: 当模式为“相位”时，类似于单段。

笔记

detrend和scale_by_freq仅在模式设置为“psd”时适用。

matplotlib.mlab。stride_windows ( x , n , noverlap = None , axis = 0 ) [source] #

[已弃用]将长度为n的x的所有窗口作为单个数组获取，使用 strides 以避免数据重复。

警告

写入输出数组是不安全的。多个元素可能指向同一块内存，因此修改一个值可能会改变其他值。

参数：

x一维数组或序列: 包含数据的数组或序列。
整数_: 每个窗口中的数据点数。
noverlap int，默认值：0（无重叠）: 相邻窗口之间的重叠。
轴整数: 窗口将沿其运行的轴。

笔记

自 3.6 版起已弃用。

参考

stackoverflow：Numpy 中一维数组的滚动窗口？ stackoverflow：使用 strides 进行有效的移动平均过滤器

matplotlib.mlab。window_hanning ( x ) [来源] #

返回x乘以 len( x ) 的 Hanning（或 Hann）窗口。

也可以看看

window_none: 另一种窗口算法。

matplotlib.mlab。window_none ( x ) [来源] #

无窗口功能；只需返回x。

也可以看看

window_hanning: 另一种窗口算法。

matplotlib.mlab#

光谱函数#

`matplotlib.mlab`#