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。

此函数通过快速傅里叶变换 (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] 指轴 0,s[1] 指轴 1,依此类推)。这对应于 fft(x, n) 中的 n。沿任一轴,如果给定形状小于输入形状,则输入将被裁剪。如果给定形状大于输入形状,则输入将用零填充。如果未给定 s,则使用由 axes 指定的轴上的输入形状。

axes整数序列,可选

计算 FFT 的轴。如果未给定,则使用最后 len(s) 个轴,如果 s 也未指定,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_x布尔值,可选

如果为 True,x 的内容可能会被破坏;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,则该值将从 os.cpu_count() 环绕。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 供应商提供的预计算计划。SciPy 当前未使用此参数。

在 1.5.0 版本中添加。

返回:
out复数 ndarray

截断或零填充的输入,沿 axes 指示的轴进行变换,或根据上述参数部分的说明,通过 sx 的组合进行变换。

抛出:
ValueError

如果 saxes 长度不同。

IndexError

如果 axes 的一个元素大于 x 的轴数。

另请参见

ifftn

fftn 的逆运算,即 N 维逆 FFT。

fft

1 维 FFT,附带所使用的定义和约定。

rfftn

实数输入的 N 维 FFT。

fft2

2 维 FFT。

fftshift

将零频率项移到数组中心。

备注

fft 类似,输出在所有轴的低阶角包含零频率项,所有轴的前半部分包含正频率项,所有轴的中间包含奈奎斯特频率项,所有轴的后半部分包含负频率项,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()
../../_images/scipy-fft-fftn-1.png