numpy.fft.rfft#

fft.rfft(a, n=None, axis=-1, norm=None, out=None)[source]#

计算一维实数输入离散傅里叶变换。

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

参数:

a类数组: 输入数组
n整数，可选: 输入中沿变换轴使用的点数。如果 n 小于输入长度，则输入将被截断。如果大于输入长度，则输入将被零填充。如果未给出 n，则使用输入沿由 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（参阅 numpy.fft）。默认为 “backward”。指示正向/反向变换对的哪个方向被缩放以及使用何种归一化因子。

1.20.0 版新增：添加了 “backward”、“forward” 值。
out复数 ndarray，可选: 如果提供，结果将放置在此数组中。它应具有适当的形状和数据类型。

2.0.0 版新增。

返回:

out复数 ndarray: 被截断或零填充的输入，沿着由 axis 指定的轴进行变换；如果未指定 axis，则沿着最后一个轴进行变换。如果 n 是偶数，则变换轴的长度为 (n/2)+1。如果 n 是奇数，则长度为 (n+1)/2。

抛出:

IndexError: 如果 axis 不是 a 的有效轴。

另请参阅

numpy.fft: 用于 DFT 的定义和所使用的约定。
irfft: rfft 的逆变换。
fft: 通用（复数）输入的一维 FFT。
fftn: n 维 FFT。
rfftn: 实数输入的 n 维 FFT。

注意

当对纯实数输入计算 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，因此输出的变换轴长度为 n//2 + 1。

当 A = rfft(a) 且 fs 为采样频率时，A[0] 包含零频率项 0*fs，由于厄米对称性，该项为实数。

如果 n 是偶数，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 是奇数，则没有 fs/2 的项；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，则其将被静默丢弃。

示例

>>> import numpy as np
>>> np.fft.fft([0, 1, 0, 0])
array([ 1.+0.j,  0.-1.j, -1.+0.j,  0.+1.j]) # may vary
>>> np.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，利用这种对称性仅计算非负频率项。