我要做的是，从具有周期性模式的 x-y 点列表中计算周期。以我有限的数学知识，我知道傅里叶变换可以做这种事情。
我正在编写 Python 代码。
我找到了一个相关的答案here，但它使用了一个均匀分布的 x 轴，即dt 是固定的，这对我来说不是这样。由于我并不真正了解它背后的数学原理，因此我不确定它是否能在我的代码中正常工作。
我的问题是，它有效吗？或者，numpy 中是否有一些方法已经完成了我的工作？或者，我该怎么做？
编辑：所有值都是 Pythonic float（即双精度）
【问题讨论】：
对于间隔不均匀的样本，您可以使用scipy.signal.lombscargle 来计算Lomb-Scargle periodogram。这是一个例子，带有一个信号
主频为 2.5 rad/s。
from __future__ import division
import numpy as np
from scipy.signal import lombscargle
import matplotlib.pyplot as plt
np.random.seed(12345)
n = 100
x = np.sort(10*np.random.rand(n))
# Dominant periodic signal
y = np.sin(2.5*x)
# Add some smaller periodic components
y += 0.15*np.cos(0.75*x) + 0.2*np.sin(4*x+.1)
# Add some noise
y += 0.2*np.random.randn(x.size)
plt.figure(1)
plt.plot(x, y, 'b')
plt.xlabel('x')
plt.ylabel('y')
plt.grid()
dxmin = np.diff(x).min()
duration = x.ptp()
freqs = np.linspace(1/duration, n/duration, 5*n)
periodogram = lombscargle(x, y, freqs)
kmax = periodogram.argmax()
print("%8.3f" % (freqs[kmax],))
plt.figure(2)
plt.plot(freqs, np.sqrt(4*periodogram/(5*n)))
plt.xlabel('Frequency (rad/s)')
plt.grid()
plt.axvline(freqs[kmax], color='r', alpha=0.25)
plt.show()
脚本打印2.497 并生成以下图：
【讨论】：
from __future__ import division 在这里做什么？我似乎不需要它。
duration 变成一个大于 1 的整数，那么如果没有 division 的导入，则表达式 1/duration 将为 0。“版本校对”代码的另一种方法是将表达式更改为 @ 987654334@，但是我已经习惯了 Python 3 的风格，所以我使用 division 的导入。
作为起点：
【讨论】：
Scipy 的此页面向您展示了离散傅里叶变换如何工作的基本知识： http://docs.scipy.org/doc/numpy-1.10.0/reference/routines.fft.html
他们还提供了使用 DFT 的 API。对于你的情况，你应该看看如何使用 fft2。
【讨论】：