scipy.fft.fftn¶
- scipy.fft.fftn(x, s=None, axes=None, norm=None, overwrite_x=False, workers=None, *, plan=None)[源代码]¶
计算N-D离散傅立叶变换。
此函数通过快速傅立叶变换(FFT)计算M-D阵列中任意数量轴上的N-D离散傅立叶变换。
- 参数
- xarray_like
输入数组，可以很复杂。
- s整型序列，可选
输出的形状(每个转换轴的长度) (
s[0]指的是轴0，s[1]到轴1，依此类推)。这对应于n为fft(x, n)。沿任意轴，如果给定的形状小于输入的形状，则会裁剪输入。如果它较大，则输入用零填充。如果 s 指定的轴的输入形状。 axes 是使用的。- axes整型序列，可选
要在其上计算FFT的轴。如果没有给出，最后一个
len(s)如果使用轴，则使用轴；如果使用所有轴，则使用所有轴 s 也未指定。- norm{“向后”，“正向”，“向前”}，选填
标准化模式(请参见
fft)。默认值为“向后”。- overwrite_x布尔值，可选
如果为True，则 x 可以销毁；默认值为false。看见
fft了解更多详细信息。- workers整型，可选
用于并行计算的最大工作进程数。如果为负值，则值从
os.cpu_count()。看见fft了解更多详细信息。- plan对象，可选
此参数保留用于传递由下游FFT供应商提供的预计算计划。它目前没有在本科学计划中使用。
1.5.0 新版功能.
- 退货
- out复数ndarray
沿由指示的轴转换的截断或填零的输入 axes ，或通过组合 s 和 x ，如上面的参数部分所述。
- 加薪
- ValueError
如果 s 和 axes 有不同的长度。
- IndexError
如果一个元素是 axes 的轴数大于 x 。
注意事项
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、所有轴的中间的奈奎斯特频率项和所有轴的后半个轴的负频率项，按负频率递减的顺序排列，其中包括所有轴的低阶角的零频率项、所有轴的前半个轴的正频率项、所有轴的中间的奈奎斯特频率项和所有轴的后半个轴的负频率项。示例
>>> import scipy.fft >>> x = np.mgrid[:3, :3, :3][0] >>> scipy.fft.fftn(x, 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]]]) >>> scipy.fft.fftn(x, (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 >>> rng = np.random.default_rng() >>> [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) + rng.uniform(0, 1, X.shape) >>> FS = scipy.fft.fftn(S) >>> plt.imshow(np.log(np.abs(scipy.fft.fftshift(FS))**2)) <matplotlib.image.AxesImage object at 0x...> >>> plt.show()
