我仍在尝试使用Python中的FFT对这个data进行频率分析。
采样率为每分钟1个数据点。
我的代码是：
from scipy.fftpack import fft
df3 = pd.read_csv('Pressure - Dates by Minute.csv', sep=",", skiprows=0)
df3['Pressure FFT'] = df3['ATMOSPHERIC PRESSURE (hPa) mean'] - df3['ATMOSPHERIC PRESSURE (hPa) mean'].mean()
Pressure = df3['Pressure FFT']
Fs = 1/60
Ts = 1.0/Fs
n = len(Pressure)
k = np.arange(n)
T = n/Fs
t = np.arange(0,1,1/n) # time vector
frq = k/T # two sides frequency range
frq = frq[range(int(n/2))] # one side frequency range
Y = np.fft.fft(Pressure)/n # fft computing and normalization
Y = Y[range(int(n/2))]
fig, ax = plt.subplots(2, 1)
ax[0].plot(t,Pressure)
ax[0].set_xlabel('Time')
ax[0].set_ylabel('Amplitude')
ax[1].plot(frq,abs(Y),'r') # plotting the spectrum
ax[1].set_xlabel('Freq (Hz)')
ax[1].set_ylabel('|Y(freq)|')
但结果是：
所以我的问题是：
1）为什么根本没有频率？数据显然是周期性的。
2）为什么频谱这么低？（0-0.009）
3）也许我应该尝试不同的过滤技术？
有什么见解吗？
谢谢！!!
最佳答案
1）为什么根本没有频率？数据显然是周期性的。
好吧，有频率的内容，因为它的结构，所以不太明显。尝试将绘制频谱的线从ax[1].plot(frq,abs(Y),'r')更改为ax[1].semilogy(frq,abs(Y),'r')
这将导致：
在这里，我们应用了一个简单的转换，它可以提高低值并限制高值。有关更多信息，请参见this link。当然，删除DC（就像在代码的第3行一样）也有帮助。
这看起来还是有点模糊，但如果我们放大光谱的较低部分，我们会看到：
其峰值约为2.3E-0.05Hz，相当于约12小时。
2）为什么频谱这么低？（0-0.009）
因为你每60秒采样一次，所以你的采样频率是（大约）0.016赫兹。你的频谱包含了直流电（0Hz）和0.0083Hz之间的一切。有关详细信息，请参见this link
3）也许我应该尝试不同的过滤技术？
如果你不能分辨出谐波，你可以试着开窗，但看起来这里不需要。
希望这有帮助。