时间戳

首页 > 解决方案 > 指数衰减正弦函数的 FFT

matplotlib - 指数衰减正弦函数的 FFT

问题描述

我有一组要对其执行 FFT 的模拟数据。我正在使用 matplotlib 来做到这一点。但是，FFT 看起来很奇怪，所以我不知道我的代码中是否遗漏了一些东西。将不胜感激任何帮助。

原始数据：

时变数据

快速傅里叶变换：

快速傅里叶变换

FFT计算代码：

import numpy as np
import matplotlib.pyplot as plt
import scipy.fftpack as fftpack
data = pd.read_csv('table.txt',header=0,sep="\t")
fig, ax = plt.subplots()
mz_res=data[['mz ()']].to_numpy()
time=data[['# t (s)']].to_numpy()
ax.plot(time[:300],mz_res[:300])
ax.set_title("Time-varying mz component")
ax.set_xlabel('time')
ax.set_ylabel('mz amplitude')
fft_res=fftpack.fft(mz_res[:300])   
power=np.abs(fft_res)
frequencies=fftpack.fftfreq(fft_res.size)
fig2, ax_fft=plt.subplots()
ax_fft.plot(frequencies[:150],power[:150]) // taking just half of the frequency range

我只是在绘制前 300 个数据点，因为其余的并不重要。

我在这里做错了吗？我期待单频峰值不是我得到的。谢谢！

输入文件的链接：

巴斯宾

编辑

原来错误在于将数据帧转换为 numpy 数组。出于一个我还没有理解的原因，如果我将一个数据帧转换为一个 numpy 数组，它会被转换为一个数组数组，即结果数组的每个元素本身就是一个单个元素的数组。当我将代码更改为：

mz_res=data['mz ()'].to_numpy()

所以它是从 pandas系列到 numpy 数组的转换，然后 FFT 的行为与预期一样，我从 FFT 中得到单个频率峰值。

所以我只是把它放在这里，以防其他人发现它有用。经验教训：从 pandas 系列到 numpy 数组的转换产生的结果与从 pandas 数据帧的转换不同。

标签： matplotlibfft

解决方案

解决方案：

使用从 pandas 系列到 numpy 数组的转换，而不是从 pandas 数据帧到 numpy 数组。

代码：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import scipy.fftpack as fftpack
data = pd.read_csv('table.txt',header=0,sep="\t")
fig, ax = plt.subplots()
mz_res=data['mz ()'].to_numpy()  #series to array
time=data[['# t (s)']].to_numpy()   #dataframe to array
ax.plot(time,mz_res)
ax.set_title("Time-varying mz component")
ax.set_xlabel('time')
ax.set_ylabel('mz amplitude')
fft_res=fftpack.fft(mz_res)   
power=np.abs(fft_res)
frequencies=fftpack.fftfreq(fft_res.size)
indices=np.where(frequencies>0)
freq_pos=frequencies[indices]
power_pos=power[indices]
fig2, ax_fft=plt.subplots()
ax_fft.plot(freq_pos,power_pos) # taking just half of the frequency range
ax_fft.set_title("FFT")
ax_fft.set_xlabel('Frequency (Hz)')
ax_fft.set_ylabel('FFT Amplitude')
ax_fft.set_yscale('linear')

产量：

时间依赖性

快速傅里叶变换

推荐阅读