对含时间与振幅的CSV数据集执行FFT无有效结果，求排查

我有一个CSV数据集，包含行号、时间（秒）、振幅、相位等列，总时长111.760秒，采样率25Hz，共2793个样本，振幅被缩放了10倍。为分析数据的周期性，我对时间与振幅列执行FFT，但运行代码后得到的频谱图无有效数据，希望有FFT经验的专业人士帮忙排查问题。

代码片段 #

# FFT

N = 2793  # Number of samples
fs = 25.0  # frequency of signal
T = 1 / fs
Ny = fs / 2.0  # Nyquist freq

# create an array that corresponds to the values in the signal

yf = fft(y)  # perform the fft on the signal
xf = np.linspace(0.0, Ny, N // 2)  # create new x-axis: frequency

# plot results

plt.plot(xf, 2.0 / N * np.abs(yf[:N // 2]))
plt.grid(True)
plt.show()

数据示例 #

0   0.00    -190.919    0.0698  0   0   1   NaN 0
    1   0.04    -190.814    0.1397  40  0   1   NaN 0
    2   0.08    -190.769    0.2094  80  0   1   NaN 0
    ... ... ... ... ... ... ... ... ...
    2793    111.72  -184.862    0.8796  111720  0   1   NaN 0

结果图说明 #

频谱图整体趋近于零，无明显峰值或有效周期性特征，无法反映数据的频率成分。

可能的问题及排查方案 #

• 未去除直流分量：你的振幅数据整体在-190左右，存在较大直流偏移，FFT后直流分量会占据大部分能量，掩盖其他频率信号。需先对数据去直流：y = y - np.mean(y)。
• 频率轴计算错误：np.linspace生成的频率点与FFT实际频率点不匹配，建议用np.fft.fftfreq生成准确的频率轴：xf = np.fft.fftfreq(N, T)[:N//2]。
• 振幅未还原：你提到振幅被缩放10倍，FFT前需先还原原始振幅：y = y / 10，否则幅值范围异常会导致频谱显示失效。
• 数据读取错误：确认y确实是振幅列数据，未读错行号、时间等其他列，检查y的数值范围是否符合预期。
• FFT函数调用错误：确保使用的是numpy的FFT函数，即np.fft.fft(y)，避免调用其他库的同名函数导致结果异常。

修正后的示例代码 #

import numpy as np
import matplotlib.pyplot as plt

# 假设y是从CSV读取的振幅列数据
# 1. 还原缩放10倍的振幅
y = y / 10
# 2. 去除直流分量
y_processed = y - np.mean(y)

N = len(y_processed)  # 用实际数据长度，避免硬编码
fs = 25.0
T = 1 / fs

# 执行FFT
yf = np.fft.fft(y_processed)
# 生成正确的频率轴
xf = np.fft.fftfreq(N, T)[:N//2]
# 计算幅值谱（单侧）
amplitude_spectrum = 2.0 / N * np.abs(yf[:N//2])

# 绘制频谱图
plt.plot(xf, amplitude_spectrum)
plt.xlabel('频率 (Hz)')
plt.ylabel('幅值')
plt.grid(True)
plt.show()

内容的提问来源于stack exchange，提问作者bigCelle