python - 现有数据帧上的快速傅立叶变换显示出意想不到的结果

Question

我有一个包含电压数据的文件，当我随时间绘制数据时，我可以看到它是一个带频率.csv的正弦波。60hz

现在，当我尝试fft使用这些scipy/numpy fft模块执行时，我在接近0频率处得到一个尖峰，而从逻辑上讲它应该在60. （如下图）

当我用在 python 中创建的正弦波尝试它时，我得到了正确的结果，但我没有用我的实际数据得到它。

我在下面分享我的代码，如果我做错了什么，请告诉我。提前致谢。

import csv
from matplotlib import pyplot as plt
import pandas as pd
import numpy as np
from scipy.fftpack import fft
from scipy.fftpack import fftfreq

df = pd.read_csv('Va_data.csv')

print(df.head())

N = df.shape[0]
frequency = np.linspace(0.0,100, int(N/2))
freq_data = fft(df['Va'])
y = (2/N)*np.abs(freq_data[0:np.int(N/2)])

plt.plot(frequency, y)
plt.title('Frequency Domain Signal')
plt.xlabel('Frequency in Hz')
plt.ylabel('Amplitude')
plt.show()

电压数据

标签： pythonpandasnumpyfft

Answer 1

数据应该很好，FFT 计算（直到一个常数）也很好。它是关于如何绘制结果的。要使 x 轴值以赫兹表示频率信息，您需要

frequency = np.arange(N) / N * sampling_rate

然后你可以裁剪它的一半

frequency = frequency[:N//2]

并将其交给plt.plot(frequency, y). 上面的方程frequency来自这样一个事实，即每个 DFT 系数X(k)都有k = 0, .., N-1一个exp(-j 2pi kn/N)，其中k/N给出了归一化频率。乘以采样率可以恢复对应于连续域的频率。

一个样品：

# sample x data
xs = np.linspace(0, 4, 1_000)

# sampling rate in this case
fs = 1 / np.diff(xs)[0]

# sine of it
ys = np.sin(2 * np.pi * 60 * xs)

# taking FFT
dft = np.fft.fft(ys)

# getting x-axis values to represent freq in Hz
N = len(xs)
x_as_freq = np.arange(N) / N * fs

# now plotting it
plt.plot(x_as_freq, np.abs(dft))
plt.xlabel("Frequency (Hz)")
plt.ylabel("DFT magnitude")

# to see that peak is indeed at 60Hz
plt.xticks(np.arange(0, 250, 20))

这使