如何将快速转换数据绘制为Python中频率的函数？

Question

我是Scipy的新手，仍在学习Numpy阵列中的构造数据。有人可以帮助我解决以下内容：

我的数据阵列由10列和110行组成。我无法获得正确数量的FREQ点。

我要：

1. 将数组形状匹配到最终使用Scipy的rfftfreq
2. pad zeros与我的数据绘制频率点，然后计算快速傅立叶变换，

这是我的代码：

我将dataframe转换为numpy array并提取<<代码> x 和y数据

xdata=np.array(combine.iloc[:,0:20:2])          #both x and y data shapes are (110,10) #the data corresponds to positions in mm 
ydata=np.array(combine.iloc[:,1:20:2])

我计算FFT：

fftdata=fft(ydata)                             # array of 110 by 10 
fftlen = len(fftdata)                          # size is 1 and value 110
time = (2*fftlen*xdata*0.0075e-3)/c/1e-12      # the numbers are constants #time axis is generated from x data with different delay position of the laser beam
timestep=abs(xdata[fftlen-1]-xdata[0])/(fftlen-1)/0.1499 #sampling rate

sample_size=fftdata.size                        # size is 1 and value of 1100

freq = rfftfreq(sample_size, d=timestep)        
# shape is (551,) - (N/2)nyquist points 

plt.plot(freq,fftdata[0:(fftlen//2+1)])

但是，我遇到了此错误，

Error : x and y must have same first dimension, but have shapes (551,) and (56, 10)

我知道由于不同而无法绘制这些错误形状。但是我想将FFT应用于整个数组（110,10），而不是将单个文件加载到不同的numpy数组。如果任何人也可以帮助我将零填充到xdata和ydata之前，我将非常感谢它，以改善频域分辨率。

Answer 1

Numpy文档中的示例是您所需要的：

import numpy as np

# Let's say here is your signal
signal = np.array([-2, 8, 6, 4, 1, 0, 3, 5, -3, 4], dtype=float)

fourier = np.fft.rfft(signal)
n = signal.size
sample_rate = 100
freq = np.fft.fftfreq(n, d=1./sample_rate)

>> freq
 array([  0.,  10.,  20., ..., -30., -20., -10.])

但是，当您应用rfftfreq时，您只会得到正频率：

freq = np.fft.rfftfreq(n, d=1./sample_rate)

因此，如果您想绘制某些东西，则只需占据相应的一半值（在傅立叶变换幅度中例如）。

>> freq
 array([  0.,  10.,  20., 40., 50.])

要执行零件，您可以只使用np.pad

np.pad(signal, (2,2), 'constant', constant_values=(0,0))

在数组的开头和结束时增加了2个零值。可以多个选项。检查此 https://numpy.org/doc/doc/doc/stable/reference/生成/numpy.pad.html