[数据库傅里叶分析]
[Fourier Analysis with database]
我有一个水面高程文件，想知道其特征周期和振幅。
所以我想用 python 做傅里叶分析，但我没有到达。
我的文件是这样的：
- 第 0 列：时间，
- 第 2 列：海拔
我做了以下代码：
df=pd.read_csv(file,sep=';',header=None)
df.columns=['Time','Nothing','HS','Other1','Other2']
N=len(df)
T=df.loc[0,'Time']-df.loc[len(df)-1,'Time'] #Intervalle de temps
freq=np.linspace(0.0, 1, N) #Vecteur fréquence
HSf=scipy.fft(df['HS']) #Transformée de Fourier
plt.plot(freq,abs(HSf))
问题是通过这样做，我得到了对应于峰值的 HSf 的第一个元素。显然，它将对应于我的向量 freq (0) 的第一个元素。
我知道这个周期一定在5-8秒左右，但我想通过这种分析找到它。
你能帮帮我吗？
谢谢
我不确定我是否正确理解了你的问题，但如果你的第 0 频率分量最强但你对此不感兴趣，我看到两个选项：
(1) 与其查看全谱，不如忽略第一个元素：
plt.plot(freq[1:],abs(HSf)[1:])
(2) 在进行 FFT 之前减去基线：
HSf=scipy.fft(df['HS']-np.mean(df['HS']))
编辑：
我也很确定您的频率轴在您的应用程序中是否有意义。您可能想看看 numpy.fft.fftfreq.
我有一个水面高程文件，想知道其特征周期和振幅。 所以我想用 python 做傅里叶分析，但我没有到达。
我的文件是这样的：
- 第 0 列：时间，
- 第 2 列：海拔
我做了以下代码：
df=pd.read_csv(file,sep=';',header=None)
df.columns=['Time','Nothing','HS','Other1','Other2']
N=len(df)
T=df.loc[0,'Time']-df.loc[len(df)-1,'Time'] #Intervalle de temps
freq=np.linspace(0.0, 1, N) #Vecteur fréquence
HSf=scipy.fft(df['HS']) #Transformée de Fourier
plt.plot(freq,abs(HSf))
问题是通过这样做，我得到了对应于峰值的 HSf 的第一个元素。显然，它将对应于我的向量 freq (0) 的第一个元素。
我知道这个周期一定在5-8秒左右，但我想通过这种分析找到它。
你能帮帮我吗？
谢谢
我不确定我是否正确理解了你的问题，但如果你的第 0 频率分量最强但你对此不感兴趣，我看到两个选项：
(1) 与其查看全谱，不如忽略第一个元素：
plt.plot(freq[1:],abs(HSf)[1:])
(2) 在进行 FFT 之前减去基线：
HSf=scipy.fft(df['HS']-np.mean(df['HS']))
编辑： 我也很确定您的频率轴在您的应用程序中是否有意义。您可能想看看 numpy.fft.fftfreq.