fft.
fftn
计算n维离散傅立叶变换。
此函数计算 N -任意轴上的尺寸离散傅立叶变换 M -通过快速傅立叶变换(FFT)的尺寸阵列。
输入数组,可以是复杂的。
输出的形状(每个转换轴的长度) (s[0] 指0轴, s[1] 至轴1等)。这相当于 n 对于 fft(x, n) . 沿任意轴,如果给定的形状小于输入的形状,则将剪切输入。如果它更大,输入将用零填充。如果 s 未给定,输入沿指定轴的形状 axes 使用。
s[0]
s[1]
n
fft(x, n)
计算FFT的轴。如果没有给出,最后一个 len(s) 使用轴,或所有轴,如果 s 也未指定。中的重复索引 axes 表示在该轴上执行多次变换。
len(s)
1.10.0 新版功能.
标准化模式(参见 numpy.fft ). 默认为“向后”。指示前向/后向变换对的哪个方向被缩放以及使用什么规格化因子。
numpy.fft
1.20.0 新版功能: 添加了“向后”、“向前”值。
截断的或零填充的输入,沿所指示的轴转换。 axes 或通过 s 和 a 如上述参数部分所述。
如果 s 和 axes 长度不同。
如果一个元素 axes 大于的轴数 a .
参见
离散傅立叶变换的整体视图,使用定义和约定。
ifftn
逆 fftn ,逆 n -尺寸fft。
fft
一维FFT,使用定义和约定。
rfftn
这个 n -实际输入的尺寸FFT。
fft2
二维快速傅立叶变换。
fftshift
将零频率项移到阵列中心
笔记
输出,类似于 fft ,包含所有轴的低阶角的零频率项,所有轴的前半部分的正频率项,所有轴中间的奈奎斯特频率项和所有轴的后半部分的负频率项,以递减的负频率顺序。
见 numpy.fft 有关详细信息,请参阅使用的定义和约定。
实例
>>> a = np.mgrid[:3, :3, :3][0] >>> np.fft.fftn(a, axes=(1, 2)) array([[[ 0.+0.j, 0.+0.j, 0.+0.j], # may vary [ 0.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j]], [[ 9.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j]], [[18.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j]]]) >>> np.fft.fftn(a, (2, 2), axes=(0, 1)) array([[[ 2.+0.j, 2.+0.j, 2.+0.j], # may vary [ 0.+0.j, 0.+0.j, 0.+0.j]], [[-2.+0.j, -2.+0.j, -2.+0.j], [ 0.+0.j, 0.+0.j, 0.+0.j]]])
>>> import matplotlib.pyplot as plt >>> [X, Y] = np.meshgrid(2 * np.pi * np.arange(200) / 12, ... 2 * np.pi * np.arange(200) / 34) >>> S = np.sin(X) + np.cos(Y) + np.random.uniform(0, 1, X.shape) >>> FS = np.fft.fftn(S) >>> plt.imshow(np.log(np.abs(np.fft.fftshift(FS))**2)) <matplotlib.image.AxesImage object at 0x...> >>> plt.show()