你可以使用任何你想要的单位。随意将你的采样频率表示为fs=12（样本/年），那么x轴将是1/年单位。或者使用fs=1（样本/月），那么单位将是1/月。
你发现的额外的一行来自你绘制数据的方式。看看np.fft.fftfreq调用的输出。该数组的前半部分包含从0到1.2e6左右的正值，另一半包含从-1.2e6到几乎0的负值。通过绘制所有数据，你得到一条从0到右边的数据线，然后是从最右边的点到最左边的点的直线，然后数据线的其余部分回到零。您的xlim调用使它这样做，所以您看不到绘制的一半数据。
通常情况下，只绘制数据的前半部分，只需裁剪freqs和power_spectrum数组。

要将频率的步长设置为一年，请确定有多少个样本代表此持续时间（12），然后对参数d取反：

freqs = sf.rfftfreq(n=N, d=1/12)

此外，您可以通过以下方式改进频率范围：

• 使用周期而不是频率
• 反转刻度方向以在左侧显示小周期。
• 限制绘制的频率范围（例如前50个分量），以便查看更长周期的分量的详细信息。两个周期分别为11年和80-90年。

import numpy as np
import pandas as pd
import scipy.fft as sf
import matplotlib.pyplot as plt
import matplotlib.ticker as tck

# Read values, select columns, convert to numpy array
df = pd.read_excel(fp)
df = df.take([3, 1, 4], axis=1)
data = df.to_numpy()

# Sort by date, extract columns in invidual views, remove DC offset
data = data[data[:,0].argsort()]
year = data[:,1]
spots = data[:,2]
spots = spots - spots.mean()

# Get positive DFT of AQI
N = year.shape[0]
X = sf.rfft(spots) / N
freqs = sf.rfftfreq(n=N, d=1/12) # unit = 1/12 of sampling period

# Plot signal
fig, axes = plt.subplots(figsize=(15,3), ncols=2)
ax=axes[0]
ax.plot(year, spots)
ax.xaxis.set_major_locator(tck.MultipleLocator(50))
#ax.grid()

# Plot DFT
ax=axes[1]
extent = 50#N
ax.set_xlabel('period, years')
ax.stem(freqs[:extent], abs(X[:extent]))
ticks = ax.get_xticks()
ax.set_xticklabels([f'{1/tick:.1f}' if tick!=0 else '$\infty$' for tick in ticks])
ax.invert_xaxis()
ax.grid()