在Python中，可以使用SciPy库中的`signal.periodogram`函数或者NumPy库中的`fft.fft`函数来计算功率谱密度（PSD）。下面是两种方法的示例代码：
1. 使用`signal.periodogram`函数：
```python
import numpy as np
from scipy import signal
# 生成一个示例信号
fs = 1000 # 采样频率
t = np.arange(0, 1, 1/fs) # 时间序列
x = np.sin(2*np.pi*50*t) + np.sin(2*np.pi*120*t) # 信号
# 计算功率谱密度
f, Pxx = signal.periodogram(x, fs)
# 绘制功率谱
import matplotlib.pyplot as plt
plt.figure()
plt.semilogy(f, Pxx)
plt.xlabel('Frequency [Hz]')
plt.ylabel('PSD [V**2/Hz]')
plt.show()
```
2. 使用`fft.fft`函数：
```python
import numpy as np
from scipy.fft import fft
import matplotlib.pyplot as plt
# 生成一个示例信号
fs = 1000 # 采样频率
t = np.arange(0, 1, 1/fs) # 时间序列
x = np.sin(2*np.pi*50*t) + np.sin(2*np.pi*120*t) # 信号
# 计算功率谱密度
X = fft(x)
Pxx = np.abs(X)**2 / (fs * len(x))
# 构造频率轴
f = np.linspace(0, fs/2, len(Pxx)//2)
# 绘制功率谱
plt.figure()
plt.semilogy(f, Pxx[:len(f)])
plt.xlabel('Frequency [Hz]')
plt.ylabel('PSD [V**2/Hz]')
plt.show()
```
以上示例中，首先生成了一个示例信号`x`，然后使用相应的方法计算信号的功率谱密度，并绘制出功率谱。在绘图中，使用`semilogy`函数将y轴设置为对数坐标轴，以更好地展示低频和高频部分的功率谱。