如何解决来自时域图的大型数据帧的离散傅立叶变换
我们有一个关于 Python 中 DFT 的问题。我们有一个名为“walking”的大型数据框,如下所示:
0
0 0.376798
1 0.382064
2 0.119208
3 -0.289914
4 -0.315472
... ...
78459 -0.319814
78460 -0.379727
78461 -0.358384
78462 -0.313725
78463 -0.233994
[78464 rows x 1 columns]
这是我们在时域中的数据图:
我们希望通过进行离散傅立叶变换在频域中绘制我们的数据。我们想要实现的一个例子是:
左图是时域图,右图是频域图。
我们尝试使用 scipy.fft 和 numpy.fft.fft 执行此操作,但无法做到。这是我们使用 numpy 的代码:
ft = np.fft.fft(walking[0])/len(walking[0])
ft = ft[range(int(len(walking[0])/2))]
plt.plot(abs(ft))
plt.show()
有人可以帮助我们吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。