如何在Python中对数据集提取的数组值做FFT可视化？

1. 数据预处理 #

你的smpl是二维字符串列表，首先需要将其转换为一维浮点数数组，才能进行FFT计算：

import numpy as np

# 展平二维列表并转成浮点数
signal = np.array([float(val) for sub_list in smpl for val in sub_list])

2. 执行FFT计算 #

使用NumPy的FFT工具包完成变换，同时计算对应的频率轴（注意替换实际采样率）：

# 执行快速傅里叶变换
fft_output = np.fft.fft(signal)

# 配置采样率（根据你的数据实际情况修改，比如100Hz）
sampling_rate = 100
sample_count = len(signal)

# 生成频率轴
freq = np.fft.fftfreq(sample_count, d=1/sampling_rate)

# 提取正频率部分的幅值（FFT结果对称，取前半部分即可）
amplitude = np.abs(fft_output)[:sample_count//2]
freq_axis = freq[:sample_count//2]

3. 可视化结果 #

用Matplotlib绘制原始信号和FFT幅值谱：

import matplotlib.pyplot as plt

# 创建画布
plt.figure(figsize=(12, 8))

# 绘制原始信号
plt.subplot(2, 1, 1)
plt.plot(signal, color='#1f77b4')
plt.title('原始时域信号')
plt.xlabel('样本索引')
plt.ylabel('信号幅值')

# 绘制FFT幅值谱
plt.subplot(2, 1, 2)
plt.plot(freq_axis, amplitude, color='#ff7f0e')
plt.title('FFT幅值谱')
plt.xlabel('频率 (Hz)')
plt.ylabel('幅值')

# 调整子图间距
plt.tight_layout()
plt.show()

注意事项 #

• 务必替换sampling_rate为你的数据实际采样频率，否则频率轴会失真
• 如果smpl中存在非数值字符串，需要先做数据清洗（比如过滤无效值）

内容的提问来源于stack exchange，提问作者james