如何让numpy数组的FFT工作？

Question

我正在读取csv文件的特定列作为numpy数组.当我尝试做这个数组的fft时,我得到了一个N​​aN数组.我如何让fft工作？这是我到目前为止所拥有的:

#!/usr/bin/env python
from __future__ import division

import numpy as np
from numpy import fft

import matplotlib.pyplot as plt


fileName = '/Users/Name/Documents/file.csv'

#read csv file
df = np.genfromtxt(fileName, dtype = float, delimiter = ',', names = True)

X = df['X'] #get X from file

rate = 1000. #rate of data collection in points per second
Hx = abs(fft.fft(X))
freqX = fft.fftfreq(len(Hx), 1/rate)

plt.plot(freqX,Hx) #plot freqX vs Hx

Answer 1

据推测,您的csv文件中有一些缺失值.默认情况下,np.genfromtxt将替换缺少的值NaN.

如果数组中有NaNs或Infs,fft则将全部为NaNs或Infs.

例如:

import numpy as np

x = [0.1, 0.2, np.nan, 0.4, 0.5]
print np.fft.fft(x)

我们会得到:

array([ nan +0.j,  nan+nanj,  nan+nanj,  nan+nanj,  nan+nanj])

但是,因为FFT在规则间隔的一系列值上运行,所以从数组中删除非有限值比仅丢弃它们要复杂一些.

pandas如果您愿意使用它(例如fillna),有几个专门的操作来执行此操作.然而,用"纯粹的"numpy做起来并不困难.

首先,我将假设您正在使用连续的一系列数据,因为您正在使用值的FFT.在这种情况下,我们希望NaN根据它们周围的值插值.线性插值(np.interp)在所有情况下可能并不理想,但它不是一个错误的默认选择:

例如:

import numpy as np

x = np.array([0.1, 0.2, np.nan, 0.4, 0.5])
xi = np.arange(len(x))

mask = np.isfinite(x)
xfiltered = np.interp(xi, xi[mask], x[mask])

我们会得到:

In [18]: xfiltered
Out[18]: array([ 0.1,  0.2,  0.3,  0.4,  0.5])

然后我们可以正常计算FFT:

In [19]: np.fft.fft(xfiltered)
Out[19]: 
array([ 1.50+0.j        , -0.25+0.34409548j, -0.25+0.08122992j,
       -0.25-0.08122992j, -0.25-0.34409548j])

...并获得有效的结果.