生成方波采样数组并计算傅里叶变换时遇类型错误求修复

我帮你排查了原代码里的问题，主要集中在导入错误、函数逻辑未完成以及采样点生成的细节上，下面是修复后的完整代码和详细说明：

修复后的完整代码 #

import numpy as np
from numpy.fft import rfft
from pylab import plot, show, xlabel, ylabel

def f(t):
    # 生成振幅1、频率1Hz的方波：单周期（0-1秒）内0-0.5秒为1，0.5-1秒为-1
    fractional_part = t - np.trunc(t)
    return 1 if fractional_part < 0.5 else -1

# 生成单周期（0到1秒）内的1000个等间距采样点
# endpoint=False确保不重复采样周期端点，刚好覆盖完整单周期
t = np.linspace(0, 1, 1000, endpoint=False)
# 批量生成方波信号数组
signal = np.array([f(ti) for ti in t])

# 计算傅里叶变换
fft_result = rfft(signal)

# 绘制原始方波信号
plot(t, signal)
xlabel('Time (s)')
ylabel('Amplitude')
show()

# 绘制傅里叶变换的幅度谱
# 计算对应的频率轴
freqs = np.fft.rfftfreq(len(signal), d=1/1000)
plot(freqs, np.abs(fft_result))
xlabel('Frequency (Hz)')
ylabel('Magnitude')
show()

关键修复点说明 #

• 导入修正：原代码里linspace是numpy库的函数，不是math模块的，所以改成导入numpy并使用np.linspace；同时用numpy的trunc处理时间的小数部分，和后续数组操作更统一。
• 补全方波逻辑：完善了f(t)函数，通过判断时间的小数部分，实现了频率1Hz、振幅1的标准方波（单周期内前半段为1，后半段为-1）。
• 采样点优化：用np.linspace生成采样点时，设置endpoint=False，确保1000个点刚好覆盖0到1秒的完整单周期，不会重复采样周期端点。
• 可视化增强：添加了坐标轴标签，同时绘制了傅里叶变换的幅度谱，让结果更直观，方便观察方波的频谱特性。

原代码报错原因 #

1. ImportError：math模块没有linspace函数，直接导入会报错；
2. SyntaxError：f(t)函数未完成，if tru...的语法不完整；
3. 潜在逻辑问题：即使导入正确，原代码也没有明确方波的取值规则，无法生成符合要求的信号。

内容的提问来源于stack exchange，提问作者J.Koko