You need to enable JavaScript to run this app. Python3.6基于9组频率-功率数据绘制模拟波形及正弦波代码适配方法
优惠活动
大模型
产品
解决方案
定价
更多

Python3.6基于9组频率-功率数据绘制模拟波形及正弦波代码适配方法

问题核心原因

你直接绘制9组离散采样点得到的折线生硬、没有平滑波形,本质原因是采样点密度太低:matplotlib默认是用直线相邻连接每个点,点越少,折角越明显。
你手上的固定参数正弦波示例能输出平滑效果,核心并不是用了正弦公式,而是通过np.linspace生成了200个连续、密集的坐标点——当点和点之间的距离足够近时,人眼会把折线感知为平滑曲线,和曲线本身是不是正弦形态没有关系。

代码修改方案

不需要把自己的频率、功率数据硬套进正弦公式里(这样生成的曲线会完全偏离你的实测数据),只需要参考示例里“生成高密度连续点”的思路,对自己的原始采样做插值补点即可,具体修改逻辑:

  • 保留示例里的matplotlib后端配置,适配Python3.6的运行环境
  • 把你自己的频率、功率原始数据替换掉示例里的时间轴、正弦信号数据
  • 基于原始9组稀疏采样点,用三次样条插值生成300个高密度的连续坐标点
  • 用高密度点绘图,即可得到无明显折角、严格贴合原始采样的平滑波形
可直接运行的修改后代码
import numpy as np
import matplotlib
matplotlib.use('TKAgg') # 保留示例兼容后端,适配Python3.6环境
import matplotlib.pyplot as plt
from scipy.interpolate import make_interp_spline

# 你的原始实测采样数据
x_original = np.array([54,58,61,62,64,65,66,69,72]) # 频率值
y_original = np.array([2,2.5,4,3,2.5,3.5,4.5,3,2])   # 对应功率值

# 参考示例的linspace思路,在原始x轴范围内生成高密度连续坐标
x_smooth = np.linspace(x_original.min(), x_original.max(), 300)
# 基于原始采样点做三次样条插值,生成对应的高密度y值
spl = make_interp_spline(x_original, y_original, k=3)
y_smooth = spl(x_smooth)

# 绘图逻辑和示例保持一致
plt.plot(x_smooth, y_smooth, linewidth=1.5)
# 标注原始采样点,方便核对插值后的曲线是否贴合实测值
plt.scatter(x_original, y_original, color='red', s=20, label='原始采样点')

# 替换为实际物理量的轴标签
plt.xlabel("频率")
plt.ylabel("功率")
plt.title("功率-频率平滑波形")
plt.legend()
plt.tight_layout()
plt.show()
运行注意事项
  • 如果运行提示缺少scipy库,在命令行执行pip install scipy==1.5.4即可,这个版本是最后一个完全支持Python3.6的scipy版本,无兼容问题
  • 插值生成的平滑曲线会严格经过你输入的每一个原始采样点,不会偏离你的实测数据
  • 不要强行修改正弦波的参数(比如信号频率、振幅)来匹配你的数据,这样生成的纯正弦曲线和你的实测采样没有对应关系,无法反映真实的波形形态

内容的提问来源于stack exchange,提问作者Hani0489

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.06 13:36:03