使用Python解决以下问题：为了研究DFT和FFT相对于y[n]=[-1, 2, 3, 0, -2, 1, 4, -3, 0, -2]，（零填充y）的计算时间，并使用L = [1000：1000：10000]计算计算时间，表示计算时间相对于L的曲线。

在Python中，DFT（离散傅立叶变换）和FFT（快速傅立叶变换）通常用于分析信号频域特性。当你需要对一维数组`y`应用DFT或FFT并且想要比较它们的计算效率时，可以使用numpy库的`fft`函数来完成，它内置了这两种算法。

首先，你需要导入必要的库并计算原始序列`y`的DFT和FFT。然后，你可以通过改变窗口大小`L`来生成不同长度的输入数据，这将影响到计算的时间。这里是一个简单的示例：

import numpy as np
import time

# 原始序列
y = [-1, 2, 3, 0, -2, 1, 4, -3, 0, -2]

# 不同的窗口大小
L_list = [1000, 2000, 5000, 10000]  # 这里只是例子，你可以按照你的需求修改

# 计算时间
times_DFT = []
times_FFT = []

for L in L_list:
    # 零填充y，使其长度为L
    y_padded = np.pad(y, (0, L - len(y)), 'constant')
    
    # DFT计算
    start_time = time.time()
    dft_y = np.fft.fft(y_padded)
    end_time = time.time()
    times_DFT.append(end_time - start_time)

    # FFT计算
    start_time = time.time()
    fft_y = np.fft.fftshift(np.fft.fft(y_padded))
    end_time = time.time()
    times_FFT.append(end_time - start_time)

# 绘制计算时间随L变化的曲线
import matplotlib.pyplot as plt

plt.plot(L_list, times_DFT, label='DFT')
plt.plot(L_list, times_FFT, label='FFT')
plt.xlabel('Window Size L')
plt.ylabel('Computational Time (seconds)')
plt.legend()
plt.show()