为了回答这个问题，我们需要知道三种抽样频率下的波形数据。假设我们有以下三种频率下的波形数据：

1. 50 Hz(低频)
2. 60 Hz(中频)
3. 20 Hz(高频)

首先，我们需要将这些数据整理成合适的格式。假设我们有一个包含时间和振幅的数组，如下所示：

time = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
amplitude = [0, 1, 0, -1, 0, 1, 0, -1, 0, 1]

接下来，我们需要根据给定的频率绘制波形。我们可以使用matplotlib库来实现这一点。以下是一个使用50 Hz、60 Hz和20 Hz频率绘制波形的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 定义频率
frequencies = [50, 60, 20]

# 对于每个频率，绘制波形
for frequency in frequencies:
    t = np.linspace(0, time[-1], len(time)) * frequency
    y = amplitude * np.sin(2 * np.pi * t)
    
    plt.figure()
    plt.plot(t, y)
    plt.title(f'{frequency} Hz Waveform')
    plt.xlabel('Time (s)')
    plt.ylabel('Amplitude')
    
plt.show()

运行上述代码后，您将看到三个不同频率下的波形图。通过比较这些波形图，您可以得出结论：在不同的抽样频率下，波形的形状和特征会有所不同。例如，高频波形可能会更加接近正弦波形状，而低频波形可能会更加接近方波或锯齿波形状。