scipy.fft.
fftn#
- scipy.fft.fftn(x, s=None, axes=None, norm=None, overwrite_x=False, workers=None, *, plan=None)[source]#
計算 N 維離散傅立葉轉換。
此函數透過快速傅立葉轉換 (FFT) 計算 M 維陣列中任意數量的軸上的 N 維離散傅立葉轉換。
- 參數:
- xarray_like
輸入陣列，可以是複數。
- ssequence of ints，選填
輸出的形狀（每個轉換軸的長度）（
s[0]指的是軸 0，s[1]指的是軸 1，依此類推）。這對應於fft(x, n)中的n。沿著任何軸，如果給定的形狀小於輸入的形狀，則輸入會被裁剪。如果較大，則輸入會以零填充。如果未給定 s，則使用輸入沿著由 axes 指定的軸的形狀。- axessequence of ints，選填
計算 FFT 的軸。如果未給定，則使用最後
len(s)個軸，如果也未指定 s，則使用所有軸。- norm{“backward”, “ortho”, “forward”}，選填
正規化模式（請參閱
fft）。預設值為 “backward”。- overwrite_xbool，選填
如果為 True，則可以破壞 x 的內容；預設值為 False。詳情請參閱
fft。- workersint，選填
用於平行計算的最大工作進程數。如果為負數，則該值會從
os.cpu_count()環繞。詳情請參閱fft。- planobject，選填
此參數保留用於傳入由下游 FFT 供應商提供的預先計算方案。目前 SciPy 中未使用。
在版本 1.5.0 中新增。
- 回傳:
- outcomplex ndarray
沿著由 axes 指示的軸，或由 s 和 x 的組合轉換的截斷或零填充輸入，如以上參數部分所述。
- 觸發:
- ValueError
如果 s 和 axes 的長度不同。
- IndexError
如果 axes 的元素大於 x 的軸數。
參見
註解
與
fft類似，輸出包含所有軸的低階角落中的零頻率項，所有軸前半部分的正頻率項，所有軸中間的奈奎斯特頻率項，以及所有軸後半部分的負頻率項，依負頻率遞減的順序排列。範例
>>> 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()
