A chi ha postato la domanda inizialmente: ignora questo link. Oppure, se
lo leggi, salta direttamente alle conclusioni (dove dice *come* si usa
super, evidentemente dopo che gli hanno corretto tutte le cappellate che ha
scritto prima).
Ciao
Rieccomi.
Scusate se non ho risposto prima ma stavo cercando di arrangiarmi (anche
leggendo l'articolo sopra), ma ho ancora qualche problema...
Ho modificato il codice così:
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
class Cwt(object):
fourierwl=1.00
def _log2(self, x):
return int( NP.log(float(x))/ NP.log(2.0)+0.0001 )
def __init__(self, data, largestscale=1, notes=0, order=2,
scaling='linear',omega0=5):
super(Morlet, self).__init__(data, largestscale=1, notes=0,
order=2, scaling='linear')
self._omega0 = omega0
ndata = len(data)
self.order=order
self.scale=largestscale
self._setscales(ndata,largestscale,notes,scaling)
self.cwt= NP.zeros((self.nscale,ndata), NP.complex64)
omega=
NP.array(range(0,ndata/2)+range(-ndata/2,0))*(2.0*NP.pi/ndata)
datahat=NP.fft.fft(data)
self.fftdata=datahat
for scaleindex in range(self.nscale):
currentscale=self.scales[scaleindex]
self.currentscale=currentscale # for internal use
s_omega = omega*currentscale
psihat=self.wf(s_omega)
psihat = psihat * NP.sqrt(2.0*NP.pi*currentscale)
convhat = psihat * datahat
W = NP.fft.ifft(convhat)
self.cwt[scaleindex,0:ndata] = W
return
def _setscales(self,ndata,largestscale,notes,scaling):
if scaling=="log":
if notes<=0: notes=1
# adjust nscale so smallest scale is 2
noctave=self._log2( ndata/largestscale/2 )
self.nscale=notes*noctave
self.scales=NP.zeros(self.nscale,float)
for j in range(self.nscale):
self.scales[j] =
ndata/(self.scale*(2.0**(float(self.nscale-1-j)/notes)))
elif scaling=="linear":
nmax=ndata/largestscale/2
self.scales=NP.arange(float(2),float(nmax))
self.nscale=len(self.scales)
else: raise ValueError, "scaling must be linear or log"
return
def getdata(self):
return self.cwt
def getcoefficients(self):
return self.cwt
def getpower(self):
return (self.cwt* NP.conjugate(self.cwt)).real
def getscales(self):
return self.scales
def getnscale(self):
return self.nscale
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
# wavelet classes
class Morlet(Cwt):
_omega0=0.001 ##5.0
fourierwl=4* NP.pi/(_omega0+ NP.sqrt(2.0+_omega0**2))
def wf(self, s_omega):
H=(s_omega>0)*1.
xhat=0.75112554*( NP.exp(-(s_omega-self._omega0)**2/2.0))*H
return xhat
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
Se lo richiamo con
cw=Morlet(A,maxscale,notes,scaling=scaling,omega0=5)
Mi da errore:
super(Morlet, self).__init__(data, largestscale=1, notes=0, order=2,
scaling='linear')
RuntimeError: maximum recursion depth exceeded while calling a Python object
Spero di non spazientirvi troppo.
Ho provato l'esempio dell'articolo ma non mi funziona... quindi non
riesco a fare prove accurate.
Lo scopo (penso si sia capito) è di attribuire un determinato valore a
_omega0 nella classe Morlet
Quindi non dovrebbe essere così il comando super??
def __init__(self, data, largestscale=1, notes=0, order=2,
scaling='linear',omega0=5):
super(Morlet, self).__init__(omega0=5)
self._omega0 = omega0
Idee?
Scusate l'ingnoranza ma sto cercando di imparare
Grazie a tutti per le risposte
Ciao
Matteo
_______________________________________________
Python mailing list
[email protected]
http://lists.python.it/mailman/listinfo/python
