scipy.fft.ifftn¶

scipy.fft.ifftn(x, s=None, axes=None, norm=None, overwrite_x=False, workers=None, *, plan=None)[源代码]¶

计算N-D离散傅立叶逆变换。

此函数通过快速傅立叶变换(FFT)计算多维阵列中任意多个轴上的N-D离散傅立叶变换的逆。换句话说， ifftn(fftn(x)) == x 在数字精度范围内。

输入，类似于 ifft ，应该以与返回的方式相同的方式进行排序。 fftn 也就是说，在低阶转角的所有轴上都应该有零频率项，在所有轴的前半部分应该有正频率项，在所有轴的中间有奈奎斯特频率项，在所有轴的后一半有负频率项，按负频率递减的顺序排列，即在低阶角的所有轴上都有零频率项，在所有轴的前半部分有正频率项，在所有轴的中间有奈奎斯特频率项，在所有轴的后半轴有负频率项。

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 ifft(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。请参阅上的发行说明 ifft 零填充。
axes整型序列，可选: 要在其上计算IFFT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 或 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 。

参见

fftn: 前向N-D FFT，其 ifftn 是相反的。
ifft: 一维逆FFT。
ifft2: 二维逆FFT。
ifftshift: 撤消 fftshift ，将零频项移动到数组的开头。

注意事项

补零，类似于 ifft ，是通过沿指定维度将零附加到输入来执行的。虽然这是常见的做法，但它可能会导致令人惊讶的结果。如果需要另一种形式的补零，则必须在 ifftn 被称为。

示例

>>> import scipy.fft
>>> x = np.eye(4)
>>> scipy.fft.ifftn(scipy.fft.fftn(x, axes=(0,)), axes=(1,))
array([[1.+0.j,  0.+0.j,  0.+0.j,  0.+0.j], # may vary
       [0.+0.j,  1.+0.j,  0.+0.j,  0.+0.j],
       [0.+0.j,  0.+0.j,  1.+0.j,  0.+0.j],
       [0.+0.j,  0.+0.j,  0.+0.j,  1.+0.j]])

创建并绘制具有带限频率内容的图像：

>>> import matplotlib.pyplot as plt
>>> rng = np.random.default_rng()
>>> n = np.zeros((200,200), dtype=complex)
>>> n[60:80, 20:40] = np.exp(1j*rng.uniform(0, 2*np.pi, (20, 20)))
>>> im = scipy.fft.ifftn(n).real
>>> plt.imshow(im)
<matplotlib.image.AxesImage object at 0x...>
>>> plt.show()

scipy.fft.fftn

scipy.fft.rfft