如何将CSV中多时间序列的DFT绘图分开展示？

核心思路 #

要解决重叠绘图的可视性问题，核心是为每个时间序列的DFT分配独立的绘图区域，以下提供三种实用方案：

方案1：使用Matplotlib子图网格（推荐） #

将所有DFT图排列成网格状的子图，每个子图对应一个时间序列，既便于整体对比，又不会互相干扰。

修改后的代码 #

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 用set去重替代原循环，效率更高
uni_1 = list(set(time_series)) 
plot_count = min(50, len(uni_1))  # 最多绘制50个序列

# 设置子图网格：10行5列，可根据需求调整行列数
rows, cols = 10, 5
fig, axes = plt.subplots(rows, cols, figsize=(15, 25))  # 调整画布尺寸适配网格
axes = axes.flatten()  # 把二维轴数组转为一维，方便循环遍历

for idx, u in enumerate(uni_1[:plot_count]):
    small_df = df[df["time_series"] == u]
    x = list(range(len(small_df.index)))
    y = small_df["Quantity"].tolist()
    
    # 计算DFT与归一化频谱
    f = np.abs(np.fft.fft(y))
    num = np.size(x)
    freq = [i / num for i in range(num)]
    spectrum = f.real**2 + f.imag**2
    nspectrum = spectrum / spectrum[0]
    
    # 在对应子图绘制
    ax = axes[idx]
    ax.semilogy(freq, nspectrum)
    ax.set_title(f"序列: {u}")
    ax.set_xlabel("频率")
    ax.set_ylabel("归一化频谱")

# 隐藏多余的空图（如果50不是行列数的整数倍）
for ax in axes[plot_count:]:
    ax.axis('off')

plt.tight_layout()  # 自动调整子图间距，避免标题重叠
plt.show()

方案2：每个序列单独保存为图片 #

如果时间序列数量过多，网格子图会显得拥挤，可将每个DFT图单独保存为文件，方便单独查看：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

uni_1 = list(set(time_series))

for u in uni_1[:50]:
    small_df = df[df["time_series"] == u]
    x = list(range(len(small_df.index)))
    y = small_df["Quantity"].tolist()
    
    # 计算DFT与归一化频谱
    f = np.abs(np.fft.fft(y))
    num = np.size(x)
    freq = [i / num for i in range(num)]
    spectrum = f.real**2 + f.imag**2
    nspectrum = spectrum / spectrum[0]
    
    # 创建单独画布绘制
    plt.figure(figsize=(8, 5))
    plt.semilogy(freq, nspectrum)
    plt.title(f"时间序列 {u} 的DFT")
    plt.xlabel("频率")
    plt.ylabel("归一化频谱")
    plt.tight_layout()
    plt.savefig(f"dft_{u}.png")  # 按序列名命名保存文件
    plt.close()  # 关闭画布避免内存占用

方案3：交互式绘图（适合探索分析） #

使用Plotly库生成交互式图，支持缩放、hover查看数据细节，还能切换显示指定序列：

import numpy as np
import pandas as pd
import plotly.graph_objects as go
from plotly.subplots import make_subplots

uni_1 = list(set(time_series))
plot_count = min(50, len(uni_1))

# 创建子图布局
fig = make_subplots(rows=10, cols=5, subplot_titles=[f"序列: {u}" for u in uni_1[:plot_count]])

for idx, u in enumerate(uni_1[:plot_count]):
    row = (idx // 5) + 1
    col = (idx % 5) + 1
    small_df = df[df["time_series"] == u]
    x = list(range(len(small_df.index)))
    y = small_df["Quantity"].tolist()
    
    # 计算DFT与归一化频谱
    f = np.abs(np.fft.fft(y))
    num = np.size(x)
    freq = [i / num for i in range(num)]
    spectrum = f.real**2 + f.imag**2
    nspectrum = spectrum / spectrum[0]
    
    # 添加交互式轨迹
    fig.add_trace(
        go.Scatter(x=freq, y=nspectrum, mode='lines', name=f"序列 {u}"),
        row=row, col=col
    )

fig.update_layout(height=2000, width=1200, title_text="多时间序列DFT对比")
fig.show()

注意事项 #

• 原代码存在缩进错误，实际运行前需修正，上述代码已统一调整缩进格式。
• 子图的行列数可根据需求灵活调整，比如rows=5, cols=10会变成横向布局。

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