对DataFrame列中每行列表应用signal.stft函数报错的解决求助

错误原因分析 #

你原来的代码存在两个关键问题：

• 错误使用df1[signal.stft(f)]：signal.stft()返回的是频率数组、时间数组和STFT矩阵的元组，不是DataFrame的列名，用df1去索引这个结果完全不符合逻辑。
• 输入类型问题：直接将列表传入signal.stft()，可能导致函数无法正确识别数据维度，触发IndexError。

解决方案 #

步骤1：构造示例数据（模拟你的2行测试数据） #

import pandas as pd
import numpy as np
from scipy import signal

# 生成2行，每行含1024个元素的列表
df1 = pd.DataFrame({
    'MI_range': [np.random.randn(1024).tolist(), np.random.randn(1024).tolist()]
})

步骤2：定义STFT计算函数 #

将每行的列表转为numpy数组（signal.stft对数组处理更稳定），计算后返回需要的结果（可选返回全部三个值，或仅保留STFT矩阵）：

def compute_stft(data_list):
    # 把列表转为numpy数组
    data_array = np.array(data_list)
    # 计算STFT，fs替换为你的实际采样率
    f, t, Zxx = signal.stft(data_array, fs=1000)  # 示例采样率设为1000Hz
    # 可选：返回全部结果，或只返回Zxx（STFT频谱矩阵）
    return (f, t, Zxx)

步骤3：将函数应用到DataFrame列 #

# 生成sTFT列，存储每行的STFT结果
df1['sTFT'] = df1['MI_range'].apply(compute_stft)

仅保留STFT矩阵的简化版本 #

如果只需要频谱矩阵Zxx，修改函数即可：

def compute_stft(data_list):
    data_array = np.array(data_list)
    _, _, Zxx = signal.stft(data_array, fs=1000)
    return Zxx

df1['sTFT'] = df1['MI_range'].apply(compute_stft)

扩展：使用plt.psd计算功率谱密度 #

如果需要用matplotlib.pyplot.psd，逻辑完全一致：

import matplotlib.pyplot as plt

def compute_psd(data_list):
    data_array = np.array(data_list)
    psd_values, freqs = plt.psd(data_array, Fs=1000)
    return (freqs, psd_values)

df1['PSD'] = df1['MI_range'].apply(compute_psd)

内容的提问来源于stack exchange，提问作者S N B