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 维离散傅里叶变换。
此函数通过快速傅里叶变换 (FFT) 计算 M 维数组中任意多个轴的 N 维离散傅里叶变换。
- 参数:
- xarray_like
输入数组，可以是复数。
- s整数序列，可选
输出的形状（每个变换轴的长度）（
s[0]指的是轴 0，s[1]指的是轴 1，等等）。这对应于fft(x, n)中的n。沿着任何轴，如果给定的形状小于输入的形状，则会裁剪输入。如果它更大，则输入将用零填充。如果未给出 s，则使用输入沿 axes 指定的轴的形状。- axes整数序列，可选
计算 FFT 的轴。如果未给出，则使用最后
len(s)个轴，如果也未指定 s，则使用所有轴。- norm{“backward”, “ortho”, “forward”}, 可选
归一化模式（参见
fft）。默认值为“backward”。- overwrite_xbool, 可选
如果为 True，则可以破坏 x 的内容；默认值为 False。有关更多详细信息，请参见
fft。- workersint, 可选
用于并行计算的最大工作线程数。如果为负数，则该值将从
os.cpu_count()中环绕。有关更多详细信息，请参见fft。- planobject, 可选
此参数保留用于传入下游 FFT 供应商提供的预先计算的计划。它目前在 SciPy 中未使用。
1.5.0 版本中新增。
- 返回:
- out复数 ndarray
截断或零填充的输入，沿 axes 指示的轴或通过 s 和 x 的组合进行变换，如上面的参数部分所述。
- 引发:
- ValueError
如果 s 和 axes 的长度不同。
- IndexError
如果 axes 的元素大于 x 的轴数。
另请参阅
备注
与
fft类似，输出在所有轴的低阶角包含零频率项，在所有轴的前半部分包含正频率项，在所有轴的中间包含奈奎斯特频率项，在所有轴的后半部分包含负频率项，按频率负值递减的顺序排列。示例
>>> import scipy.fft >>> import numpy as np >>> 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()
