Python 是當前數據分析和機器學習中最常用的編程語言之一，它非常適用于數據可視化。時頻圖是一種常見的數據分析和展示方法，可以將信號的時域和頻域特征以圖形化的方式展現出來。Python 提供了許多用于繪制時頻圖像的工具和庫，如 matplotlib 和 scipy。

# 導入必要的庫和模塊
import numpy as np
from scipy import signal
import matplotlib.pyplot as plt
# 生成信號
fs = 1000  # 采樣頻率
t = np.linspace(0, 10, 10*fs, endpoint=False)  # 時間序列
f1 = 20  # 信號頻率
f2 = 50
signal1 = np.sin(2*np.pi*f1*t)
signal2 = 0.5*np.sin(2*np.pi*f2*t)
signal3 = signal1 + signal2 + np.random.randn(len(t))
# 繪制時域圖像
plt.subplot(2, 1, 1)
plt.plot(t, signal3)
plt.xlabel('Time (s)')
plt.ylabel('Amplitude')
plt.title('Time Domain')
# 繪制頻域圖像
f, t, Sxx = signal.spectrogram(signal3, fs=fs, nperseg=1024)
plt.subplot(2, 1, 2)
plt.pcolormesh(t, f, np.log10(Sxx), cmap='jet')
plt.xlabel('Time (s)')
plt.ylabel('Frequency (Hz)')
plt.title('Frequency Domain')
plt.colorbar()
plt.show()

以上代碼可以生成一個含有兩個正弦波和一些噪聲的信號，并將其繪制成時域圖像。接著，用 scipy 庫中的 `spectrogram` 函數計算這個信號的時頻特征，生成一個時頻圖像。最后將兩個圖像繪制在同一個畫布中并輸出。