numpy.fft.fftn#
- fft.fftn(a, s=None, axes=None, norm=None, out=None)[源代码]#
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:
- aarray_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,则输入将被裁剪.如果它更大,则输入将用零填充.在 2.0 版本发生变更: 如果它是
-1,则使用整个输入(不进行填充/修剪).如果未给定 s ,则使用输入沿 axes 指定的轴的形状.
自 2.0 版本弃用: 如果 s 不是
None,则 axes 也不能是None.自 2.0 版本弃用: s 必须仅包含
int,而不是None值.None值目前意味着在相应的 1-D 变换中使用n的默认值,但此行为已被弃用.- 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,或者如果也未指定 s ,则使用所有轴. axes 中的重复索引意味着在该轴上多次执行变换.自 2.0 版本弃用: 如果指定了 s ,则还必须显式指定要变换的相应 axes .
- 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,结果将放置在此数组中.它应该具有适合所有轴的适当形状和dtype(因此与传递所有轴(除了琐碎的
s)不兼容).在 2.0.0 版本加入.
- 返回:
- outcomplex ndarray
截断或零填充的输入,沿 axes 指示的轴转换,或通过 s 和 a 的组合转换,如上面的参数部分中所述.
- 提出:
- ValueError
如果 s 和 axes 的长度不同.
- IndexError
如果 axes 的元素大于 a 的轴数.
参见
注释
与
fft类似,输出包含所有轴的低阶角的零频率项,所有轴的前半部分的频率项,所有轴的中间的奈奎斯特频率项,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.详情,定义和所用约定请参见
numpy.fft.示例
>>> import numpy as np >>> a = np.mgrid[:3, :3, :3][0] >>> np.fft.fftn(a, 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]]]) >>> np.fft.fftn(a, (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 >>> [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) + np.random.uniform(0, 1, X.shape) >>> FS = np.fft.fftn(S) >>> plt.imshow(np.log(np.abs(np.fft.fftshift(FS))**2)) <matplotlib.image.AxesImage object at 0x...> >>> plt.show()
