如何解决傅里叶变换可视化代码中图表压缩模糊的问题？

问题描述 #

我正在做傅里叶变换的入门可视化，展示不同频率值下余弦函数绕复指数函数(e^{2\pi ft})旋转的图像。参考相关代码实现后，运行生成的图表出现严重压缩，无法清晰查看细节。

原代码 #

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
sns.set()

f = 3.0
t = np.arange(0,2,0.001) 

cos_wave = np.cos(2*np.pi*f*t)
# cos_wave = 2*m.cos(2*np.pi*f*t) + 5*m.cos(2*np.pi*f*2*t)

plt.rcParams["figure.figsize"] = (12,12)
plt.plot(t,cos_wave)
plt.title("Cosine Wave with 3 Hz frequency")
plt.ylabel("Amplitude")
plt.xlabel('Time (in seconds)');


r_cord = []
min_freq_range = 0.0
max_freq_range = 10.0
sf_list = np.arange(min_freq_range, max_freq_range, 0.1)
for sf in sf_list:
    r_cord.append( [(cos_wave[i], t[i]*sf*2*np.pi) for i in range(len(t)) ] )

x_cord , y_cord = [], []
for l in range(len(r_cord)):
    x_cord.append( [amp*np.cos(theta) for (amp,theta) in r_cord[l]] )
    y_cord.append( [amp*np.sin(theta) for (amp,theta) in r_cord[l]] )


mean_list = []

plt.rcParams["figure.figsize"] = (30,110)
for l in range(len(r_cord)):
    plt.subplot(int(len(r_cord)/4)+1, 4, int(l+1))
    plt.plot(x_cord[l], y_cord[l])
    plt.plot(np.mean(x_cord[l]), np.mean(y_cord[l]), 'or' )
    plt.title("Sampling Freq = "+str(round(sf_list[l], 2))+" Hz")
    plt.show(block=True)
    # Storing the COM for plotting later
    x_mean = np.sum(x_cord[l])
    mean_list.append(x_mean)

问题原因分析 #

1. 循环内频繁调用plt.show(block=True)：每次调用都会单独弹出窗口显示当前子图，破坏整体子图布局，导致后续子图被强制压缩。
2. 不合理的画布尺寸设置：(30,110)的尺寸过于夸张，让子图在超大画布上失去比例，出现拉伸或压缩。
3. 子图行数计算不准确：int(len(r_cord)/4)+1会多算一行，导致子图分布稀疏或错位。

修改后的代码 #

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import math

sns.set()

f = 3.0
t = np.arange(0, 2, 0.001) 

cos_wave = np.cos(2*np.pi*f*t)

# 绘制原始余弦波
plt.rcParams["figure.figsize"] = (12, 6)
plt.plot(t, cos_wave)
plt.title("3Hz 余弦波")
plt.ylabel("振幅")
plt.xlabel("时间（秒）")
plt.show()

# 计算极坐标转换后的坐标
r_cord = []
min_freq_range = 0.0
max_freq_range = 10.0
sf_list = np.arange(min_freq_range, max_freq_range, 0.1)
for sf in sf_list:
    r_cord.append([(cos_wave[i], t[i]*sf*2*np.pi) for i in range(len(t))])

x_cord, y_cord = [], []
for l in range(len(r_cord)):
    x_cord.append([amp*np.cos(theta) for (amp, theta) in r_cord[l]])
    y_cord.append([amp*np.sin(theta) for (amp, theta) in r_cord[l]])

# 绘制所有子图
mean_list = []
total_plots = len(r_cord)
cols = 4
rows = math.ceil(total_plots / cols)  # 准确计算所需行数

plt.rcParams["figure.figsize"] = (20, rows * 4)  # 按行数动态设置画布高度
for l in range(total_plots):
    plt.subplot(rows, cols, l+1)
    plt.plot(x_cord[l], y_cord[l])
    plt.plot(np.mean(x_cord[l]), np.mean(y_cord[l]), 'or')
    plt.title(f"采样频率 = {round(sf_list[l], 2)} Hz")
    plt.axis('equal')  # 保持坐标轴比例一致，避免图形变形

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

# 存储质心信息
for l in range(total_plots):
    x_mean = np.sum(x_cord[l])
    mean_list.append(x_mean)

关键修改说明 #

• 将plt.show(block=True)移到循环外，一次性渲染所有子图，保证布局完整性。
• 用math.ceil(total_plots / cols)准确计算子图行数，避免布局错位。
• 动态设置画布高度：rows * 4，让每个子图有足够的显示空间。
• 添加plt.axis('equal')保证每个子图的坐标轴比例一致，防止图形变形。
• 使用plt.tight_layout()自动调整子图间距，避免标题、标签互相遮挡。

内容的提问来源于stack exchange，提问作者Curliness7530