numpy阵列的Python-Fourier变换

我在尝试表示信号的傅里叶变换时遇到了一个问题。 这是我的代码：

path = "./sensor_20170315_140457Z.das.h5"
p5 = h5py.File(path, 'r')
dsData = p5["DAS/Data"]
ds_as_array = np.array(dsData, dtype=np.int32)
channel = ds_as_array[355, 0:2500]
channel_t=np.arange(0,1,0.0004)
plt.plot(channel_t, channel)
plt.show()

我计算傅里叶变换的代码是：

Y = fft(y)
plt.plot(Y)
plt.show()

输出为：

我不明白这个输出，我怎么知道频率？ 我还尝试了scipy文档的示例，但结果更令人失望

N = 2500
# sample spacing
T = 1.0 / 2500.0
x = np.linspace(0.0, N*T, N)
y = channel
print(y)
yf = fft(y)
xf = np.linspace(0.0, 1.0/(2.0*T), N//2)
plt.plot(xf, 2.0/N * np.abs(yf[0:N//2]))
plt.grid()
plt.show()

其输出为：

---

关于第二个绘图，似乎需要放大。还可以试试对数刻度吗？谢谢，我会找到做对数刻度的说明。当然可以！也许添加一些数据也会很有用。另外，不要忘记图中的单位。否则事情会变得一团糟……对不起，第一个情节的输出是什么意思？老实说，我有点不知所措。我可以提供一些FFT理论，但不能与Python结合。因此，对于给定的脉冲（P=P（t）：依赖于时间），通过FFT，可以将其分解为如下所示的频率：。这里你缺少的是FFT背后的数学思想，并试图用简单的语言解释它。代码将是您的第二项任务。别忘了分享一些数据。关于第二个图，似乎需要放大。还可以试试对数刻度吗？谢谢，我会找到做对数刻度的说明。当然可以！也许添加一些数据也会很有用。另外，不要忘记图中的单位。否则事情会变得一团糟……对不起，第一个情节的输出是什么意思？老实说，我有点不知所措。我可以提供一些FFT理论，但不能与Python结合。因此，对于给定的脉冲（P=P（t）：依赖于时间），通过FFT，可以将其分解为如下所示的频率：。这里你缺少的是FFT背后的数学思想，并试图用简单的语言解释它。代码将是您的第二项任务。别忘了分享一些数据。