Python是一種非常強大的編程語言，能夠用于各種數據分析和處理領域。其中，時頻分析是一個非常重要的領域，可以幫助我們更好地理解數據和信號。

在Python中，我們可以利用一些常用的庫來實現時頻分析。其中，最常用的是numpy和scipy庫。下面，我們來看一個簡單的例子：

import numpy as np
import scipy.signal
# Generate a test signal
t = np.linspace(0, 1, 1000, endpoint=False)
sig = np.sin(2 * np.pi * 10 * t) + np.sin(2 * np.pi * 20 * t)
# Calculate the power spectral density
f, Pxx = scipy.signal.periodogram(sig, fs=1000)
# Plot the results
import matplotlib.pyplot as plt
plt.plot(f, Pxx)
plt.xlabel('Frequency [Hz]')
plt.ylabel('PSD [V**2/Hz]')
plt.show()

在這個例子中，我們生成了一個測試信號，并用scipy庫中的periodogram函數計算了該信號的功率譜密度。最后，我們用matplotlib庫將結果畫出來。

時頻分析在許多領域都有非常廣泛的應用。如果你想了解更多關于Python在這個領域的應用，建議去學習一下scipy和numpy庫。