csv数据的快速傅里叶变换

Question

我有一个包含时间和扭矩数据的csv文件https://pastebin.com/MAT2rG3U由于大小限制，此数据集被截断

我试图找到数据的FFT，以找到振动的频率

这是我的代码（这是我使用的示例Fast Fourier Transform in Python），它不会产生任何结果。我已经研究了很多在线资源，但找不到我的错误

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

data = pd.read_csv('data.csv',index_col=0)
data = data['Torque'].astype(float).values
print(data)

N = data.shape[0] #number of elements
t = np.linspace(0, 300, N) 
#t=np.arange(N)
s = data

fft = np.fft.fft(s)
fftfreq = np.fft.fftfreq(len(s))

T = t[1] - t[0]
print(T)

f = np.linspace(0, 1 / T, N)
plt.ylabel("Amplitude")
plt.xlabel("Frequency [Hz]")
plt.plot(fftfreq,fft)
#plt.xlim(0,100)

plt.show()

Answer 1

您发布的内容对我有用，但您的数据对于FFT无效，因为时间步长不一致。也就是说，您没有定义好的采样率

data = pd.read_csv('torque_data.txt',index_col=0)
data = data['Torque'].astype(float).values
print(data)

N = data.shape[0] #number of elements
t = np.linspace(0, 300, N) 
#t=np.arange(N)
s = data

fft = np.fft.fft(s)
fftfreq = np.fft.fftfreq(len(s))

T = t[1] - t[0]
print(T)

f = np.linspace(0, 1 / T, N)
plt.ylabel("Amplitude")
plt.xlabel("Frequency [Hz]")
plt.plot(fftfreq, np.absolute(fft))
#plt.xlim(0,100)

给出NAN的样本中没有包含的数据可能有问题

但是，在您提供的数据中，采样率并不一致，这是FFT所必需的。要查看此信息，请绘制时间步长的直方图：

# read in the data like this to get the times
data = pd.read_csv('torque_data.txt')
time = data['Seconds'].astype(float).values
data = data['Torque'].astype(float).values

# now look at the timesteps
fig, axs = plt.subplots()
time_deltas = t[1:]-t[:-1]
h = axs.hist(time_deltas, bins=50)

因为很多时间步都有不同的值，所以我担心会信任FFT。（当我第一次查看您的数据时，早期的大多数点似乎都有0.004s的时间步长，因此我想知道您的数据采集是否随着时间的推移而变化，而不仅仅是随机的，但无论如何，您也需要对其进行排序。）有解决方案，如插值/重采样或下采样，但是，如果没有修复，人们无法可靠地相信FFT结果