大家好，
我是数据科学的新手，想知道使用abs（）函数并将对作为scipy的fft（）函数的输出接收的值进行平方的重要性。 fftpack库，在尝试绘制数据集的功率谱密度时使用。我发现，许多绘制功率谱密度的代码示例都使用abs（），然后平方其后获得的值。谁能提供我这样做的理由？我们不能直接在python scipy中绘制从fft（）函数获得的值吗？ fftpack库？
这是我到目前为止编写的代码，通过引用一些代码示例来绘制功率谱密度，
import scipy.io as sio
import numpy as np
Import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv("denoised.csv")
data = df.values
x = data[:,0]
from scipy.fftpack import fft,fftfreq
dft= fft(data)
PSD = np.abs(dft) ** 2
最佳答案
通用FFT消耗复数值数据（即实数和虚数）并返回复数值数据。即使您输入的是纯数值，我熟悉的所有FFT例程（FFTW，Numpy的FFT，Scipy的FFTPACK，Matlab等）也具有fft()，可返回复数值。
所以。要绘制复数值向量，我们必须以某种方式将其转换为实数。一种选择是分别绘制实部和imag分量，但这通常不如幅值/ abs（实部平方和imag平方）有趣：实部与imag可以告诉我们信号相位的行为，对于真实信号，通常是随机且无趣的，而幅值将真实和imag分量结合在一起，并以直接的方式告诉我们给定频率仓中的能量数量-有用！
如果复数的大小是能量，则大小的平方是其幂。工程师通常喜欢看到幅度平方，因为他们可以交叉引用该数字和他们正在使用的硬件的额定功率。这只是一个约定。
一些注意事项：如果您的数据是真实的，则实数到复数的FFT将运行得更快。它称为rfft，但输出有些混乱：它返回格式为[real，imag，real，imag，…]的复杂输出。 （在此Scipy issue中，社区对FFTPACK的这种不寻常且非标准的约定提出了担忧。）如果可能，我通常会尝试使用numpy.fft.rfft，因为它会返回预期的复数值数据。 （此从实数转为rfft的复杂值输出的数量是从复数转为fft的一半，这是运行时改进的来源。）
另一个说明：这个问题与数据科学并没有真正的关系，只是数字信号处理。考虑下一次在http://dsp.stackexchange.com上问这样的问题（不过，您在这里问的没什么大不了的）。
关于python - 在绘制给定数据集的功率谱密度时需要abs()方法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43287700/