Jupyter Notebook实现Butterworth滤波器遇plt.plot报错求助

可能的触发原因 #

• time或sensor_data是多维numpy数组（比如形状为(1838,1)的二维数组），而非plt.plot要求的一维序列
• 代码中误将numpy数组当作字典的键使用（字典键必须是可哈希类型，而numpy数组不可哈希）
• 读取数据时错误获取了DataFrame对象（比如用df[['Euclidian Norm']]而非df['Euclidian Norm']），导致sensor_data不是一维序列

分步解决方案 #

1. 检查并修正数据维度 #

先打印变量的类型和形状，确认是否为一维结构：

print(type(time), time.shape)
print(type(sensor_data), sensor_data.shape)

如果输出显示为二维数组（比如(1838,1)），用以下方法转成一维：

# 方法1：使用ravel()
time = time.ravel()
sensor_data = sensor_data.ravel()

# 方法2：使用flatten()
time = time.flatten()
sensor_data = sensor_data.flatten()

如果是读取数据时误获取了DataFrame，改成以下方式提取数据：

# 从DataFrame中提取单列转为numpy一维数组
sensor_data = df['Euclidian Norm'].values

2. 排查字典键误用问题 #

检查代码中是否存在some_dict[time]或some_dict[sensor_data]这类写法，numpy数组不能作为字典键。如果必须用数组相关值当键，可将其转为元组：

# 将数组转为元组后作为字典键
some_dict[tuple(time)] = target_value

3. 完整的Butterworth滤波参考代码 #

以下是一套完整的读取数据、滤波、绘图流程，可直接参考：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.signal import butter, filtfilt

# 读取CSV数据
df = pd.read_csv('Samples.csv')
# 生成时间轴（若无单独时间列，用数据行号代替）
time = np.arange(len(df))
# 提取目标列数据
sensor_data = df['Euclidian Norm'].values

# 定义低通Butterworth滤波器
def butter_lowpass_filter(data, cutoff, fs, order=5):
    nyq_freq = 0.5 * fs
    normalized_cutoff = cutoff / nyq_freq
    b, a = butter(order, normalized_cutoff, btype='low', analog=False)
    filtered_data = filtfilt(b, a, data)
    return filtered_data

# 配置滤波器参数（按需调整）
sampling_freq = 100  # 采样频率(Hz)
cutoff_freq = 10     # 截止频率(Hz)
filter_order = 4     # 滤波器阶数

# 执行滤波
filtered_data = butter_lowpass_filter(sensor_data, cutoff_freq, sampling_freq, filter_order)

# 绘制对比图
plt.figure(figsize=(10, 6))
plt.plot(time, sensor_data, label='原始数据', alpha=0.6)
plt.plot(time, filtered_data, label='滤波后数据', linewidth=2)
plt.xlabel('时间')
plt.ylabel('Euclidian Norm')
plt.legend()
plt.show()

额外注意事项 #

• 若未安装scipy，在Jupyter中执行!pip install scipy完成安装
• 数据存在缺失值时，先执行df = df.dropna(subset=['Euclidian Norm'])处理缺失值，避免滤波出错

内容的提问来源于stack exchange，提问作者user15841461