如何使用Python绘制直方图，以便x值是光谱的频率？

我查看了python的“matplotlib.pylab”库，并允许我使用“plt.hist”函数绘制直方图。问题是它只接受一个数据参数，即数组。在我的例子中，我想绘制一个傅里叶变换产生的数据直方图。傅里叶变换显示各种频率的相对数量。所以我可以把这个数量数组放到“plt.hist”中，得到一个信息图表，但是x轴不是以频率为单位的。我的猜测是x轴只是数组的索引，但当我绘制它时，这似乎并不正确。 谢谢，

制作

X

直方图的天真回答，时域信号的DFT

X

import matplotlib.pyplot as plt
import numpy as np

...
w = np.linspace(0,N*dw-dw,N)   
plt.bar(w, abs(X), align='center', width=dw)
plt.show()

对于美观的绘图，您必须考虑到

X

与频率

0*dw，1*dw，…（N-1）*dw

相关，并且在美观的绘图中，您通常希望使用范围

-N*dw/2

，

+N*dw/2

作为横坐标

完整答案 这就是目前为止的结果

正如你所看到的，这种类型的绘图强调了DFT的周期性，但通常是以零频率为中心绘制DFT，可以这样做

w2=np.concatenate((w-N*dw,w))
X2=np.concatenate((X,X)

plt.bar(w2, abs(X2), align='center', width=dw)
plt.xticks([i*8*dw for i in range(-N/16,1+N/16)])
plt.xlim(-dw*N/2,dw*N/2)
plt.show()

这就是结果

后脚本 我描述的过程对于OP需求来说是很好的过程，但是我想说的是，

X

数据是在现场合成的，与现实生活中的DFT没有相似之处。相反，如果我看到上面的曲线图，我会对时域采样率不足做出评论。

制作

X

直方图的天真回答，时域信号的DFT

X

import matplotlib.pyplot as plt
import numpy as np

...
w = np.linspace(0,N*dw-dw,N)   
plt.bar(w, abs(X), align='center', width=dw)
plt.show()

对于美观的绘图，您必须考虑到

X

与频率

0*dw，1*dw，…（N-1）*dw

相关，并且在美观的绘图中，您通常希望使用范围

-N*dw/2

，

+N*dw/2

作为横坐标

完整答案 这就是目前为止的结果

正如你所看到的，这种类型的绘图强调了DFT的周期性，但通常是以零频率为中心绘制DFT，可以这样做

w2=np.concatenate((w-N*dw,w))
X2=np.concatenate((X,X)

plt.bar(w2, abs(X2), align='center', width=dw)
plt.xticks([i*8*dw for i in range(-N/16,1+N/16)])
plt.xlim(-dw*N/2,dw*N/2)
plt.show()

这就是结果

后脚本 我描述的过程对于OP需求来说是很好的过程，但是我想说的是，

X

数据是在现场合成的，与现实生活中的DFT没有相似之处。相反，如果我看到上面的曲线图，我会对时域采样率不足做出评论。

制作

X

直方图的天真回答，时域信号的DFT

X

import matplotlib.pyplot as plt
import numpy as np

...
w = np.linspace(0,N*dw-dw,N)   
plt.bar(w, abs(X), align='center', width=dw)
plt.show()

对于美观的绘图，您必须考虑到

X

与频率

0*dw，1*dw，…（N-1）*dw

相关，并且在美观的绘图中，您通常希望使用范围

-N*dw/2

，

+N*dw/2

作为横坐标

完整答案 这就是目前为止的结果

正如你所看到的，这种类型的绘图强调了DFT的周期性，但通常是以零频率为中心绘制DFT，可以这样做

w2=np.concatenate((w-N*dw,w))
X2=np.concatenate((X,X)

plt.bar(w2, abs(X2), align='center', width=dw)
plt.xticks([i*8*dw for i in range(-N/16,1+N/16)])
plt.xlim(-dw*N/2,dw*N/2)
plt.show()

这就是结果

后脚本 我描述的过程对于OP需求来说是很好的过程，但是我想说的是，

X

数据是在现场合成的，与现实生活中的DFT没有相似之处。相反，如果我看到上面的曲线图，我会对时域采样率不足做出评论。

制作

X

直方图的天真回答，时域信号的DFT

X

import matplotlib.pyplot as plt
import numpy as np

...
w = np.linspace(0,N*dw-dw,N)   
plt.bar(w, abs(X), align='center', width=dw)
plt.show()

对于美观的绘图，您必须考虑到

X

与频率

0*dw，1*dw，…（N-1）*dw

相关，并且在美观的绘图中，您通常希望使用范围

-N*dw/2

，

+N*dw/2

作为横坐标

完整答案 这就是目前为止的结果

正如你所看到的，这种类型的绘图强调了DFT的周期性，但通常是以零频率为中心绘制DFT，可以这样做

w2=np.concatenate((w-N*dw,w))
X2=np.concatenate((X,X)

plt.bar(w2, abs(X2), align='center', width=dw)
plt.xticks([i*8*dw for i in range(-N/16,1+N/16)])
plt.xlim(-dw*N/2,dw*N/2)
plt.show()

这就是结果

后脚本

---

我描述的过程对于OP需求来说是很好的过程，但是我想说的是，

X

数据是在现场合成的，与现实生活中的DFT没有相似之处。相反，如果我看到上面的图，我会对时域采样率不足做出评论。

我想你对“直方图”的含义有误解<代码>plt.plot采用两个参数（x轴和y轴）。您可以使用它来绘制频谱（或任何您想要的类似fft的输出）与频率的关系。你可能还想看看

plt.bar

@gideonisac傅里叶变换或DFT？我想你对什么是“直方图”有误解<代码>plt.plot采用两个参数（x轴和y轴）。您可以使用它来绘制频谱（或任何您想要的类似fft的输出）与频率的关系。你可能还想看看

plt.bar

@gideonisac傅里叶变换或DFT？我想你对什么是“直方图”有误解<代码>plt.plot采用两个参数（x轴和y轴）。您可以使用它来绘制频谱（或任何您想要的类似fft的输出）与频率的关系。你可能还想看看

plt.bar

@gideonisac傅里叶变换或DFT？我想你对什么是“直方图”有误解<代码>plt.plot采用两个参数（x轴和y轴）。您可以使用它来绘制频谱（或任何您想要的类似fft的输出）与频率的关系。您可能还想看看

pl