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,依此类推)。这对应于 fft(x, n)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。

版本 2.0 中已更改: 如果它是 -1,则使用整个输入(不进行填充/修剪)。

如果未给出s,则使用由axes指定的轴上的输入形状。

版本 2.0 中已弃用: 如果s不是 None,则axes也不能是 None

版本 2.0 中已弃用: s必须仅包含 int,而不是 None 值。 None 值当前表示在相应的 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

要计算 FFT 的轴。如果未给出,则使用最后的 len(s) 个轴,或者如果也未指定s,则使用所有轴。axes 中重复的索引意味着对该轴执行多次变换。

版本 2.0 中已弃用: 如果指定了s,则也必须明确指定要变换的相应axes

norm{"backward", "ortho", "forward"},可选

版本 1.10.0 中的新功能。

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进行缩放以及使用什么归一化因子。

版本 1.20.0 中的新功能: 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(因此与传入除平凡的 s 之外的所有内容不兼容)。

版本 2.0.0 中的新功能。

返回值:
out复数 ndarray

已截断或用零填充的输入,沿由axes指示的轴变换,或由sa的组合变换,如上述参数部分所述。

引发:
ValueError

如果saxes的长度不同。

IndexError

如果axes的元素大于a的轴数。

另请参阅

numpy.fft

离散傅里叶变换的总体概述,包括使用的定义和约定。

ifftn

fftn 的逆,即逆n维 FFT。

fft

一维 FFT,包括使用的定义和约定。

rfftn

实数输入的n维 FFT。

fft2

二维 FFT。

fftshift

将零频率项移至数组的中心

注释

类似于 fft,输出包含所有轴的低阶角中的零频率项、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,按照频率递减的顺序。

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()
../../_images/numpy-fft-fftn-1.png