scipy.fft.
fftn#
- scipy.fft.fftn(x, s=None, axes=None, norm=None, overwrite_x=False, workers=None, *, plan=None)[源代码][源代码]#
计算 N-D 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:
- xarray_like
输入数组，可以是复数。
- s整数序列，可选
输出形状（每个变换轴的长度）（
s[0]指轴 0，s[1]指轴 1，依此类推）。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，则输入被裁剪。如果它更大，输入用零填充。如果未给出 s，则使用 axes 指定的轴上输入的形状。- 轴整数序列，可选
要计算FFT的轴。如果没有给出，则使用最后的
len(s)轴，或者如果 s 也未指定，则使用所有轴。- 规范{“backward”, “ortho”, “forward”}，可选
归一化模式（参见
fft）。默认是“backward”。- overwrite_xbool, 可选
如果为真，x 的内容可以被销毁；默认是假。更多细节请参见
fft。- 工人int, 可选
用于并行计算的最大工作线程数。如果为负数，则从
os.cpu_count()开始回绕。更多详情请参见fft。- 计划对象，可选
此参数保留用于传递下游 FFT 供应商提供的预计算计划。目前在 SciPy 中未使用。
Added in version 1.5.0.
- 返回:
- 出复杂 ndarray
根据 axes 指示的轴，或如上述参数部分所述，通过 s 和 x 的组合，对截断或零填充的输入进行变换。
- Raises:
- ValueError
如果 s 和 axes 的长度不同。
- 索引错误
如果 axes 中的元素大于 x 的轴数。
参见
注释
输出与
fft类似，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，按负频率递减的顺序排列。示例
>>> import scipy.fft >>> import numpy as np >>> x = np.mgrid[:3, :3, :3][0] >>> scipy.fft.fftn(x, 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]]]) >>> scipy.fft.fftn(x, (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 >>> rng = np.random.default_rng() >>> [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) + rng.uniform(0, 1, X.shape) >>> FS = scipy.fft.fftn(S) >>> plt.imshow(np.log(np.abs(scipy.fft.fftshift(FS))**2)) <matplotlib.image.AxesImage object at 0x...> >>> plt.show()
