numpy.fft.fft#
- fft.fft(a, n=None, axis=-1, norm=None, out=None)[源代码]#
计算一维离散傅里叶变换.
此函数使用有效的快速傅里叶变换 (FFT) 算法 [CT] 计算一维 n 点离散傅里叶变换 (DFT).
- 参数:
- aarray_like
输入数组,可以是复数.
- n整数,可选
输出的变换轴的长度.如果 n 小于输入的长度,则会裁剪输入.如果它更大,则输入将用零填充.如果未给出 n ,则使用输入沿 axis 指定的轴的长度.
- axis整数,可选
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
numpy.fft).默认为 “backward”.指示缩放正向/反向变换对的哪个方向以及使用什么归一化因子.在 1.20.0 版本加入: 增加了“backward”,“forward”值.
- outcomplex ndarray, 可选
如果提供,结果将被放置在这个数组中.它应该具有适当的形状和 dtype.
在 2.0.0 版本加入.
- 返回:
- outcomplex ndarray
沿 axis 指示的轴转换的截断或零填充输入,如果未指定 axis ,则沿最后一个轴转换.
- 提出:
- IndexError
如果 axis 不是 a 的有效轴.
参见
注释
FFT(快速傅里叶变换)是指一种可以有效地计算离散傅里叶变换(DFT)的方法,通过使用计算项中的对称性.当 n 是 2 的幂时,对称性最高,因此对于这些大小,变换效率最高.
DFT在
numpy.fft模块的文档中定义,并使用了该实现中使用的约定.参考
[CT]Cooley, James W., and John W. Tukey, 1965, “An algorithm for the machine calculation of complex Fourier series,” Math. Comput. 19: 297-301.
示例
>>> import numpy as np >>> np.fft.fft(np.exp(2j * np.pi * np.arange(8) / 8)) array([-2.33486982e-16+1.14423775e-17j, 8.00000000e+00-1.25557246e-15j, 2.33486982e-16+2.33486982e-16j, 0.00000000e+00+1.22464680e-16j, -1.14423775e-17+2.33486982e-16j, 0.00000000e+00+5.20784380e-16j, 1.14423775e-17+1.14423775e-17j, 0.00000000e+00+1.22464680e-16j])
在此示例中,实数输入的 FFT 是 Hermitian 的,即在实部中对称,在虚部中反对称,如
numpy.fft文档中所述:>>> import matplotlib.pyplot as plt >>> t = np.arange(256) >>> sp = np.fft.fft(np.sin(t)) >>> freq = np.fft.fftfreq(t.shape[-1]) >>> _ = plt.plot(freq, sp.real, freq, sp.imag) >>> plt.show()
