这里似乎不需要
stem绘图，因为无论如何标记都是看不见的，并且由于点太多而没有意义。
而是使用LineCollection可能有意义。无论如何，这就是matplotlib在将来的版本中将如何执行-请参阅此PR。下面的代码对我来说在0.25秒内运行。（
plot由于行数很多，这仍然比使用稍长。）
import numpy as npfrom scipy.fftpack import fftimport matplotlib.pyplot as pltimport timeimport matplotlib.collections as mcollN=2048k = np.arange(0,N)dr = 100cos = np.cospi = np.piw = 1-1.932617*cos(2*pi*k/(N-1))+1.286133*cos(4*pi*k/(N-1))-0.387695*cos(6*pi*k/(N-1))+0.0322227*cos(8*pi*k/(N-1))y = np.concatenate([w, np.zeros((7*N))])H = abs(fft(y, axis = 0))H = np.fft.fftshift(H)H = H/max(H)H = 20*np.log10(H)H = dr+H H[H < 0] = 0 # Set all negative values in dr+H to 0plotdata = ((np.arange(1,(8*N)+1,1))-1-4*N)/8lines = []for thisx, thisy in zip(plotdata,H): lines.append(((thisx, 0), (thisx, thisy)))stemlines = mcoll.LineCollection(lines, linestyles="-", colors="C0", label='_nolegend_')plt.gca().add_collection(stemlines)plt.axis([(-4*N)/8, (4*N)/8, 0, dr]) plt.grid()plt.ylabel('decibels')plt.xlabel('DFT bins')plt.title('Frequency response (Flat top)')plt.show()
