scipy.fft.
fftn#
- scipy.fft.fftn(x, s=None, axes=None, norm=None, overwrite_x=False, workers=None, *, plan=None)[source]#
计算 N 维离散傅里叶变换。
此函数使用快速傅里叶变换 (FFT) 计算 M 维数组中任意数量轴上的 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n用于fft(x, n)。 在任何轴上，如果给定的形状小于输入的形状，则输入会被裁剪。 如果它更大，则输入会被用零填充。 如果没有给出 s，则使用 axes 指定的轴上输入的形状。- axes整数序列，可选
要计算 FFT 的轴。 如果未给出，则使用最后
len(s)个轴，或者如果 s 也没有指定，则使用所有轴。- norm{“backward”, “ortho”, “forward”}, 可选
规范化模式（参见
fft）。 默认值为“backward”。- overwrite_x布尔值，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。- workers整数，可选
用于并行计算的最大工作线程数。 如果为负数，则值将从
os.cpu_count()中绕回。 有关更多详细信息，请参见fft。- plan对象，可选
此参数保留用于传入由下游 FFT 供应商提供的预先计算的计划。 目前在 SciPy 中未使用。
在版本 1.5.0 中添加。
- 返回值：:
- out复数 ndarray
截断或用零填充的输入，沿由 axes 指定的轴进行变换，或者通过 s 和 x 的组合进行变换，如上面参数部分所述。
- 引发：:
- ValueError
如果 s 和 axes 的长度不同。
- IndexError
如果 axes 的某个元素大于 x 的轴数。
另请参见
注意事项
输出类似于
fft，包含所有轴的低阶角处的零频率项，所有轴的前半部分的正频率项，所有轴中间处的奈奎斯特频率项以及所有轴的后半部分的负频率项，按负频率递减的顺序排列。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()
