諧波分析是信號處理中常用的一種方法，它的主要作用是分析一個周期性信號的頻率成分和振幅。在Python中，我們可以使用多種庫進行諧波分析，其中最常用的是numpy和scipy庫。

下面是一個簡單的諧波分析的Python程序：

import numpy as np
import scipy.signal as signal
# 我們假設我們有一個10秒鐘的周期性信號
t = np.linspace(0, 10, 1000)
signal = np.sin(2*np.pi*t) + 0.5*np.sin(4*np.pi*t) + 0.2*np.sin(6*np.pi*t)
# 使用快速傅里葉變換獲取頻域信息
freqs, psd = signal.welch(signal, fs=1)
# 找到最高的峰值并輸出對應的頻率
max_psd_idx = np.argmax(psd)
max_freq = freqs[max_psd_idx]
print("The dominant frequency is {:.2f} Hz".format(max_freq))

在上述程序中，我們首先生成了一個10秒鐘長的周期性信號，它由三個不同頻率的正弦函數組成。然后我們使用快速傅里葉變換獲取了這個信號的頻域信息，并通過找到最高的峰值來確定主頻率。

numpy庫提供了一些方便的函數來幫助我們生成周期性信號，如linspace用于生成等差序列，sin用于生成正弦函數。而scipy.signal庫則提供了一些信號處理的函數，如welch用于進行譜分析。

總結起來，Python提供了很多的工具和庫來進行諧波分析，無論是對于周期性的信號還是非周期性的信號都可以進行分析和處理。