Python 3.x Numpy FFT函数结果不正确，无法将时域数据转换为频域数据

在我的Python3.7中，运行numpy FFT函数的代码集得到的结果有一个问题

问题在于，频率与振幅和频率与功率谱密度图不正确-从我的原始数据的形状和外观判断：

从原始数据图中可以看出，我认为频率与振幅和频率与PSD图不应该像我现在看到的那样：

仅供参考，我的原始数据长度为4096，采集时间为5.7小时。所以，这意味着一个数据点在5秒内被获取

如何修复我的代码以获得正确的FFT分析结果

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from numpy.fft import fft, fftfreq, ifft, rfft

file = "C:\work\Data_2019-01-03_16-19-49.txt"

df = pd.read_csv(file,skiprows = (0,2), delimiter='\t')

data1_name = "CH9CC05"
data1 = df[data1_name].values
n = data1.size
y= data1

fft_vals = fft(y,n)
freqs = fftfreq(n)
mask = freqs>=0
fft_theo = 1/n* np.abs(fft_vals)
psd = 1/n*(np.abs(fft_vals)**2)

plt.figure(1)
plt.plot(y, label= data1_name)
plt.title(data1_name+" Raw Data")

plt.figure(2)
plt.plot(freqs[mask], fft_theo[mask], 'r')
plt.title(data1_name+" Freq vs Amplitude")
plt.show()

plt.figure(3)
plt.plot(freqs[mask], psd[mask], 'r')
plt.title(data1_name+" Freq vs PSD")
plt.show()`

---

这是一个缩放问题。DC值（频率=0时）与其他值相比非常大。将该元素设置为0（这相当于从信号中减去平均值）以查看绘图中的其他峰值。您好，非常感谢您的回答，您的意思是从平均值中减去每个数据点吗？如果我这样做，我的振幅值不是很小吗？谢谢你

y=data1-np.mean（data1）

。这不会改变振幅。这只是去除了

f=0处的峰值。所有其他垃圾箱将与现在一样。这是一个缩放问题。DC值（频率=0时）与其他值相比非常大。将该元素设置为0（这相当于从信号中减去平均值）以查看绘图中的其他峰值。您好，非常感谢您的回答，您的意思是从平均值中减去每个数据点吗？如果我这样做，我的振幅值不是很小吗？谢谢你
y=data1-np.mean（data1）
。这不会改变振幅。这只是去除了
f=0处的峰值。所有其他垃圾箱将与现在一样。