numpy.fft.fftn#
- fft.fftn(a, s=None, axes=None, norm=None, out=None)[source]#
計算 N 維離散傅立葉轉換。
此函式透過快速傅立葉轉換 (FFT)，計算 M 維陣列中任意數量的軸的 N 維離散傅立葉轉換。
- 參數:
- a類陣列
輸入陣列，可以是複數。
- s整數序列，選用
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。在 2.0 版本變更: 如果為
-1，則會使用完整輸入 (不填充/修剪)。如果未給定 s，則會使用沿著 axes 指定軸的輸入形狀。
自 2.0 版本起已棄用: 如果 s 不是
None，則 axes 也不能為None。自 2.0 版本起已棄用: s 必須僅包含
int，而不能是None值。None值目前表示在對應的 1-D 轉換中使用n的預設值，但此行為已被棄用。- axes整數序列，選用
要計算 FFT 的軸。如果未給定，則會使用最後
len(s)個軸，如果也未指定 s，則使用所有軸。axes 中重複的索引表示對該軸的轉換會執行多次。自 2.0 版本起已棄用: 如果指定了 s，則也必須明確指定要轉換的對應 axes。
- norm{“backward”, “ortho”, “forward”}，選用
正規化模式 (請參閱
numpy.fft)。預設值為 “backward”。指出正向/反向轉換對中的哪個方向被縮放以及使用哪個正規化因子。在 1.20.0 版本中新增: 新增了 “backward”、“forward” 值。
- out複數 ndarray，選用
如果提供，結果將放置在此陣列中。它應該具有適用於所有軸的適當形狀和 dtype (因此與傳入除了微不足道的
s之外的所有內容都不相容)。在 2.0.0 版本中新增。
- 回傳值:
- out複數 ndarray
沿著 axes 指示的軸轉換，或透過 s 和 a 的組合轉換的截斷或零填充輸入，如上述參數章節中所述。
- 引發:
- ValueError
如果 s 和 axes 的長度不同。
- IndexError
如果 axes 的元素大於 a 的軸數。
另請參閱
註解
與
fft類似，輸出在所有軸的低階角包含零頻率項，在所有軸的前半部包含正頻率項，在所有軸的中間包含奈奎斯特頻率項，在所有軸的後半部包含負頻率項，依負頻率遞減順序排列。請參閱
numpy.fft以取得詳細資訊、定義和使用的慣例。範例
>>> 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()
