来自时域图的大型数据帧的离散傅立叶变换

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？