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，等等）。这对应于fft(x, n)中的n。沿任何轴，如果给定的形状小于输入的形状，则输入被裁剪。如果大于，则输入用零填充。如果未给出 s，则使用 axes 指定的轴上输入的形状。- 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 s 也未指定，则使用所有轴。- norm{"backward", "ortho", "forward"}, 可选
归一化模式（请参阅
fft）。默认值为“backward”。- overwrite_xbool, 可选
如果为 True，则 x 的内容可能会被销毁；默认值为 False。有关更多详细信息，请参阅
fft。- workersint, 可选
用于并行计算的最大 worker 数量。如果为负，则该值从
os.cpu_count()环绕。有关更多详细信息，请参阅fft。- plan对象，可选
此参数保留用于传递下游 FFT 供应商提供的预计算计划。目前在 SciPy 中未使用。
版本 1.5.0 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，或者如上所述通过 s 和 x 的组合进行变换。
- 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。
另请参阅
附注
输出（类似于
fft）包含所有轴低阶角的零频率项，所有轴前半部分的正频率项，所有轴中间的奈奎斯特频率项，以及所有轴后半部分的负频率项，按负频率递减的顺序排列。数组 API 标准支持
fftn除了支持 NumPy 之外，还对 Python Array API Standard 兼容后端提供实验性支持。请考虑通过设置环境变量SCIPY_ARRAY_API=1并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。支持以下后端和设备（或其他功能）组合。库
CPU
GPU
NumPy
✅
不适用
CuPy
不适用
✅
PyTorch
✅
✅
JAX
✅
✅
Dask
⚠️ 计算图
不适用
有关更多信息，请参阅 对数组 API 标准的支持。
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()
