numpy.fft.fftn#
- fft.fftn(a, s=None, axes=None, norm=None, out=None)[source]#
计算 N 维离散傅里叶变换。
此函数利用快速傅里叶变换 (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，依此类推)。这对应于fft(x, n)中的n。在任何轴上，如果给定的形状小于输入的形状，则裁剪输入。如果它更大，则用零填充输入。2.0 版本中的更改： 如果它是
-1，则使用整个输入（不进行填充/修剪）。如果没有给出 s，则使用由 axes 指定的轴上的输入形状。
2.0 版本中已弃用： 如果 s 不是
None，则 axes 也不能是None。2.0 版本中已弃用： s 必须只包含
int，而不是None值。None值当前意味着在相应的 1-D 变换中使用n的默认值，但此行为已弃用。- axes整数序列，可选
计算 FFT 的轴。如果未给出，则使用最后的
len(s)个轴，如果 s 也未指定，则使用所有轴。axes 中的重复索引意味着对该轴上的变换执行多次。2.0 版本中已弃用： 如果指定了 s，则也必须显式指定要变换的相应 axes。
- norm{"backward", "ortho", "forward"}，可选
归一化模式（参见
numpy.fft）。默认为“backward”。指示向前/向后变换对的哪个方向被缩放以及使用什么归一化因子。1.20.0 版本的新功能： 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。它应该具有所有轴的适当形状和 dtype（因此与传入除最简单的
s之外的所有内容不兼容）。2.0.0 版本的新功能。
- 返回值：
- out复数 ndarray
沿 axes（或由 s 和 a 的组合）指示的轴变换的截断或零填充输入，如上文参数部分所述。
- 引发：
- ValueError
如果 s 和 axes 的长度不同。
- IndexError
如果 axes 的元素大于 a 的轴数。
另请参见
备注
类似于
fft，输出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。有关详细信息、定义和使用的约定，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()
