python FFT 구현

 

 

csv 데이터 - 10599863_0_sigma_scale1.csv

 

 

 

 

 

우선 이 코드에서 fft는 두가지로 나뉘어 진다.

 

 fft_class class에서 def_fft와 def_fft_plot은 세트이다.

def_fft에서 sampling 숫자가 달라도 normalization이 가능하다.  그렇기 때문에 20 sampling 데이터와 40 sampling data라도 x축 값이 다 같게 나온다. 

 

하지만 비교를 하기 위해서 fft_total_data은 그냥 fft data를 넣기 때문에 20 sampling 과 40 sampling 둘다 x축 값이 다 다르게 나온다. 

 

결론: 그러므로 sampling 수가 다르다면 무조건 noramlization을 해주어야지 제대로된 fft 그래프를 그릴 수 있다. 

 

 

 

normalization을 하였을 때 (sampling rate) 고려 

 

 

 

 

- sampling rate를 고려하지 않을 때는 단순히 data의 length만 고려하기 때문에 적절하지 않다. 

 

 

 

 

16000개 데이터를 samplig rate 변화를 주었을때 

16000개 데이터 - 좌 40 sampling rate, 우 20 sampling rate   

 

8000개 data -  좌 40 sampling rate, 우 20 sampling rate   

 

- 결론.. sampling rate 자체를 바꾸려면 그냥 data를 축소시키는 방법밖에 없다.

- 단순히 20Hz와 40Hz 데이터를 비교할 수 있는 방법이 없다 . 데이터 축소 밖에 없을 듯 

 

 

 

 

 

[전체 코드] 

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
 
 
class seismic_data_arrangement:
    def __init__(self):
        self.time_data = []
        self.x_data = []
        self.y_data = []
        self.z_data = []
        self.data_list = []
 
 
    def data_arrangement_xdata(self, file_name):
        self.read_excel = pd.read_csv(file_name)
        self.x_data.append(float(self.read_excel.columns[1]))
 
        for j in range(0, self.read_excel.shape[0]):
            # print( read_excel.shape[0])
            self.x_data.append(self.read_excel.iloc[j, 1])
 
        return self.x_data
 
    def data_arrangement_ydata(self, file_name):
        self.read_excel = pd.read_csv(file_name)
        self.y_data.append(float(self.read_excel.columns[2]))
 
        for j in range(0, self.read_excel.shape[0]):
            # print( read_excel.shape[0])
            self.y_data.append(self.read_excel.iloc[j, 2])
 
        return self.y_data
 
    def data_arrangement_zdata(self, file_name):
        self.read_excel = pd.read_csv(file_name)
        self.z_data.append(float(self.read_excel.columns[3]))
 
        for j in range(0, self.read_excel.shape[0]):
            # print( read_excel.shape[0])
            self.z_data.append(self.read_excel.iloc[j, 3])
 
        return self.z_data
 
    def data_arrangement_time_data(self, file_name):
        self.read_excel = pd.read_csv(file_name)
        self.time_data.append(float(self.read_excel.columns[0]))
 
 
        for j in range(0, self.read_excel.shape[0]):
            # print( read_excel.shape[0])
            self.time_data.append(self.read_excel.iloc[j, 0])
 
        return self.time_data
 
    def data_arrangement_data_more_simple(self, file_name, direction='x'):
        self.read_excel_init = pd.read_csv(file_name, names=['time', 'x', 'y', 'z'])
        self.data_list = self.read_excel_init[direction].values
        return self.data_list
 
 
class fft_class:
    def def_fft(self, fmax, data):
        dt = 1/fmax #samplign period ,sampling rate
        N = len(data)
 
        #Fourier spectrum
        df = fmax / N
        self.f = np.arange(0, N) * df
        self.xf = np.fft.fft(data) * dt
 
        # self.f = np.arange(0, N)
        # self.xf = np.fft.fft(data)
 
        return self.f, self.xf
 
    def def_fft_plot(self, f, xf, data):
        N = len(data)
        plt.plot(f[0:int(N / 2 + 1)], np.abs(xf[0:int(N / 2 + 1)]))
        plt.xlabel('frequency(Hz)');
        plt.ylabel('abs(xf)');
        plt.show()
 
 
 
    def fft_total_data(self, fmax, data):
        #여기서는 samplign data의 정보는 없다
        #1초에 얼마 2초에 얼마 했느지 정보는 없음 ...
        dt = 1 / fmax  # samplign period ,sampling rate
        n = len(data)
        Fs = dt
        T = n/Fs
        f = np.arange(0, n)
        freq = f/T
        freq = freq[range(int(n / 2))]
        Y = np.fft.fft(data) / n
        #Y = Y[range(int(n / 2))]
 
        plt.plot(f[0:int(n / 2 + 1)], np.abs(Y[0:int(n / 2 + 1)]))
        plt.xlabel('frequency(Hz)');
        plt.ylabel('abs(xf)');
        plt.show()
 
        fft_data = np.fft.fft(data)
 
 
 
 
 
 
 
 
file_name = '10599863_0_sigma_scale1.csv'
data = seismic_data_arrangement()
 
#x_data = data.data_arrangement_xdata(file_name)
x_data = data.data_arrangement_data_more_simple(file_name,'x')
y_data = data.data_arrangement_data_more_simple(file_name,'y')
print(x_data)
fft = fft_class()
 
 
# f, xf = fft.def_fft(20, x_data)
# fft.def_fft_plot(f,xf,x_data)
 
f, yf = fft.def_fft(20, y_data)
fft.def_fft_plot(f,yf,y_data)
 
# fft_data = np.fft.fft(x_data)
# fft.def_fft_plot(fft_data,
 
 
 
fft.fft_total_data(20, y_data)