scipy.fft.

rfft#

scipy.fft.rfft(x, n=None, axis=-1, norm=None, overwrite_x=False, workers=None, *, plan=None)[源代码]#

计算实数输入的一维离散傅里叶变换。

此函数通过一种称为快速傅里叶变换（FFT）的有效算法，计算实值数组的一维n点离散傅里叶变换（DFT）。

参数:

xarray_like: 输入数组
nint，可选: 要使用的输入中沿变换轴的点数。如果 n 小于输入的长度，则会裁剪输入。如果它更大，则会用零填充输入。如果未给出 n，则使用沿 axis 指定轴的输入长度。
axisint，可选: 要计算 FFT 的轴。如果未给出，则使用最后一个轴。
norm{“backward”, “ortho”, “forward”}，可选: 归一化模式（请参阅 fft）。默认为“backward”。
overwrite_xbool，可选: 如果为 True，则可以破坏 x 的内容；默认为 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工作线程数。如果为负数，则该值会从 os.cpu_count() 环绕。有关更多详细信息，请参阅 fft。
planobject，可选: 此参数保留用于传递由下游 FFT 供应商提供的预计算方案。它目前在 SciPy 中未使用。

在 1.5.0 版本中添加。

返回:

out复数 ndarray: 沿 axis 指示的轴转换的截断或零填充输入，如果未指定 axis，则为最后一个轴。如果 n 为偶数，则变换轴的长度为 (n/2)+1。如果 n 为奇数，则长度为 (n+1)/2。

引发:

IndexError: 如果 axis 大于 a 的最后一个轴。

另请参阅

irfft: rfft 的逆变换。
fft: 一般（复数）输入的一维 FFT。
fftn: N 维 FFT。
rfft2: 实数输入的二维 FFT。
rfftn: 实数输入的 N 维 FFT。

注释

当为纯实数输入计算 DFT 时，输出是厄米对称的，即负频率项只是相应正频率项的复共轭，因此负频率项是冗余的。此函数不计算负频率项，因此输出的变换轴的长度为 n//2 + 1。

当 X = rfft(x) 且 fs 是采样频率时，X[0] 包含零频率项 0*fs，由于厄米对称性，它是实数。

如果 n 为偶数，则 A[-1] 包含表示正负奈奎斯特频率（+fs/2 和 -fs/2）的项，并且也必须是纯实数。如果 n 为奇数，则在 fs/2 处没有项；A[-1] 包含最大的正频率 (fs/2*(n-1)/n)，并且在一般情况下是复数。

如果输入 a 包含虚部，则会将其静默丢弃。

示例

>>> import scipy.fft
>>> scipy.fft.fft([0, 1, 0, 0])
array([ 1.+0.j,  0.-1.j, -1.+0.j,  0.+1.j]) # may vary
>>> scipy.fft.rfft([0, 1, 0, 0])
array([ 1.+0.j,  0.-1.j, -1.+0.j]) # may vary

请注意，对于实数输入，fft 输出的最后一个元素是第二个元素的复共轭。对于 rfft，利用这种对称性来仅计算非负频率项。