Python中的快速傅立叶变换

Question

我对傅立叶理论是陌生的，并且我看过非常好的教程，内容涉及如何将fft应用于信号并绘制信号以查看其包含的频率。不知何故，所有这些人都在创建自己的数据时混合了各种罪过，而我很难适应我的实际问题。

我每天进行242次每小时观测，这意味着我的周期是24。所以我希望在fft图上出现24左右的峰值。

我的data.csv示例在这里： https://pastebin.com/1srKFpJQ

绘制的数据：

我的代码：

data = pd.read_csv('data.csv',index_col=0)
data.index = pd.to_datetime(data.index)
data = data['max_open_files'].astype(float).values

N = data.shape[0] #number of elements
t = np.linspace(0, N * 3600, N) #converting hours to seconds
s = data

fft = np.fft.fft(s)
T = t[1] - t[0]

f = np.linspace(0, 1 / T, N)
plt.ylabel("Amplitude")
plt.xlabel("Frequency [Hz]")
plt.bar(f[:N // 2], np.abs(fft)[:N // 2] * 1 / N, width=1.5)  # 1 / N is a normalization factor
plt.show()

这会输出一个非常奇怪的结果，似乎每个频率我都得到相同的值。

我想问题出在N，t和T的定义上，但是我找不到任何在线方法可以帮助我清楚地理解这一点。请帮忙：）

EDIT1：

使用查尔斯答案提供的代码，我在0附近有一个尖峰，这似乎很奇怪。我改用rfft和rfftfreq来避免频率过高。

我已经读到这可能是因为该系列的DC分量，所以在减去均值后，我得到：

我很难解释这个问题，峰值似乎是周期性发生的，但是以Hz为单位的值无法让我获得我的24值（总频率）。有人知道如何解释吗？我想念什么？

Answer 1

您看到的问题是因为条形太宽，而您只看到一个条形。您必须将条形的宽度更改为0.00001或更小才能看到它们。

不要使用条形图，而是使用fftfreq = np.fft.fftfreq(len(s))来设置x轴，然后使用绘图功能plt.plot(fftfreq, fft)：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

data = pd.read_csv('data.csv',index_col=0)
data.index = pd.to_datetime(data.index)
data = data['max_open_files'].astype(float).values

N = data.shape[0] #number of elements
t = np.linspace(0, N * 3600, N) #converting hours to seconds
s = data

fft = np.fft.fft(s)
fftfreq = np.fft.fftfreq(len(s))

T = t[1] - t[0]

f = np.linspace(0, 1 / T, N)
plt.ylabel("Amplitude")
plt.xlabel("Frequency [Hz]")
plt.plot(fftfreq,fft)
plt.show()