上图展示了使用Python小波变换的一个使用案例，数据和代码来自https://github.com/ct6502/wavelets。在使用运行代码的时候发现了源代码的报错分别在Line115和Line136，是将Y轴变为对数轴，需要将“plt3.set_yscale(‘log’,base=2, subs=None)”改为“plt3.set_yscale(‘log’,basey=2, subsy=None)”。
图b展示的是小波功率谱，其中的黑色包络线是95%的显著性水平检验，包络线以上表示通过了显著性水平检验。
有关连续小波和离散小波变化的理解：连续小波变换可能是理论上的推导或者有点类似于方程的解析解，而计算机处理的肯定是离散的信号，计算机中实现连续小波变换存在信息表述的冗余性，从数值计算和数据压缩的角度看，我们总希望尽量减少连续小波变换的冗余度。因此，就要对事件——频率（尺度）相平面进行采样。在小波变换中，随着尺度的改变采样率也可以加以改变。在低频段，采样率可降低以节省大量计算时间。离散小波变换是尺度——平移相平面上按一定规则分布的离散点的函数。与连续小波变换相比，离散小波变换少了许多点上的值。