已有的数据进行离散傅里叶变换分析代码

以下是一个 Python 代码示例，用于对现有数据进行离散傅里叶变换（DFT）分析：

import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据
fs = 1000 # 采样频率
t = np.arange(0, 1, 1/fs) # 时间轴
f1 = 10 # 第一个信号的频率
f2 = 200 # 第二个信号的频率
x = np.sin(2*np.pi*f1*t) + np.sin(2*np.pi*f2*t) # 合成信号

# 进行离散傅里叶变换
X = np.fft.fft(x)

# 计算频率轴
N = len(x)
f = np.arange(0, fs/2, fs/N)

# 绘制结果
plt.figure()
plt.subplot(2, 1, 1)
plt.plot(t, x)
plt.xlabel('时间 (s)')
plt.ylabel('幅度')
plt.title('原始信号')
plt.subplot(2, 1, 2)
plt.plot(f, np.abs(X[:N//2]))
plt.xlabel('频率 (Hz)')
plt.ylabel('幅度')
plt.title('离散傅里叶变换结果')
plt.show()

这段代码首先生成了一个包含两个频率分别为 10 Hz 和 200 Hz 的正弦波的合成信号。然后它使用 `numpy.fft.fft` 函数进行离散傅里叶变换，并计算频率轴。最后，它绘制了原始信号和离散傅里叶变换的结果。

输出图像应该包括两个子图，一个显示原始信号，另一个显示离散傅里叶变换的结果。离散傅里叶变换的结果应该显示两个峰，对应于原始信号中的两个频率成分。