使用 numpy 的离散傅里叶变换采样频率答案

【问题标题】：Discrete Fourier Transform sample frequencies using numpy使用 numpy 的离散傅里叶变换采样频率
【发布时间】：2021-12-02 13:12:28
【问题描述】：

我正在使用 numpy 来计算采样频率，特别是 fft.fftfreq(n, d=1.0)。

我想计算 d。有没有什么公式或库可以用来计算d？

我如何计算时间序列数据集的采样率，因为 d 是采样率的倒数？

谢谢

【问题讨论】：

你有那个时间序列的总时间（以秒为单位）和点数吗？您的采样率应该是您的系列中每秒的点数。
看起来你需要像infer_freq() 这样的东西，它是pandas 库的一部分。
时间序列数据集是每天的，也就是说索引是这样的yyyy-mm-dd。我得到的频率是 1/len(dataset)。 d 是改变频率的标量。我想要一个公式来正确计算它。我不想用猜测
@mosc9575，如果数据是每天，infer_freq 返回 'D'，我已经知道它是每天并且频率是 D

标签： python time-series fft

【解决方案1】：

在寻找“神奇功能”之前，您必须阅读一些有关采样率的知识。

根据numpy documentation，参数“d”是“采样间隔（采样率的倒数）。”

寻找Sampling rate，“d”在时间上等同于“T”，它代表周期（每个样本之间的时间以秒为单位）。但是您使用的是 DFT，因此您可以选择时间单位。如果您每天有 1 个样本，则“d”为 1，并且 fftfreq 的结果将以周期/天为单位。如果您每天有 2 个样本，那么您的 'd' 是 1/2，以周期/天为单位进行输出。

因此，您要查找的函数只是 1/（每个时间单位的样本数），其中时间单位可以是天、小时、分钟、秒 ...

如果您有样本的时间戳，则可以计算 de 'd' 作为每个样本之间的时间差。如果不知道有关信号的一些信息，就无法计算它。

【讨论】：