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)
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。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s和a的组合变换,如上述参数部分所述。
- 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。
另请参阅
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()