要在 Python 中生成并显示 FFT 频谱图，你可以结合 `numpy` 和 `matplotlib` 来完成。以下是详细步骤及示例代码： ### 步骤说明 1. **导入必要的库** - 导入 `numpy` 进行 FFT 变换。 - 导入 `matplotlib.pyplot` 绘制频谱图。 2. **准备数据** 创建或加载待分析的时间序列数据，并指定采样率。 3. **进行 FFT 转换** 使用 `np.fft.fft()` 对数据进行快速傅里叶变换 (FFT)，同时通过 `np.fft.fftfreq()` 获取频率值。 4. **绘制频谱图** 提取结果中的振幅信息（通常是复数模长），然后使用 matplotlib 将其绘制成柱状图或折线图的形式表示频域特性。 ```python import numpy as np import matplotlib.pyplot as plt # 示例信号生成：模拟正弦波 + 噪声 fs = 1000 # 采样频率(Hz) t = np.linspace(0, 1, fs, endpoint=False) # 时间向量 f1, f2 = 50, 120 # 模拟两个频率成分 signal = 0.7 * np.sin(2 * np.pi * f1 * t) + np.sin(2 * np.pi * f2 * t) # 执行 FFT 分析 fft_result = np.fft.fft(signal) magnitude_spectrum = abs(fft_result)[:len(fft_result)//2] / len(fft_result)*2 # 归一化后的幅度谱 freqs = np.fft.fftfreq(len(magnitude_spectrum), d=1/fs)[:len(magnitude_spectrum)] # 绘制原信号与时域对比 plt.figure(figsize=(8,6)) plt.subplot(2,1,1) plt.plot(t[:int(fs//10)], signal[:int(fs//10)]) # 截取前十分之一秒查看细节 plt.title('Time Domain Signal') # 显示频谱图 plt.subplot(2,1,2) plt.stem(freqs[::10], magnitude_spectrum[::10],'r',markerfmt=" ",basefmt="-b") plt.xlim(0,fmax:=min(max(f1*2,max(f2*2)),fs/2)) # 设置x轴范围聚焦感兴趣的低频区域 plt.ylim(bottom=-0.1,top=max(magnitude_spectrum)+0.5) plt.xlabel("Frequency [Hz]") plt.ylabel("|Amplitude|") plt.grid(True,alpha=.4) plt.title('Spectrum') plt.tight_layout() plt.show() ``` 以上脚本会先展示一段原始时域信号再接着画出相应频域内的能量分布情况！ ---