numpy.fft.fftn

numpy.fft.fftn(a, s=None, axes=None, norm=None) [source]

Вычисление N-мерного дискретного преобразования Фурье.

Эта функция вычисляет N-мерное дискретное преобразование Фурье по любому числу осей в массиве размерности M с помощью быстрого преобразования Фурье (FFT).

Параметры

aarray_like

Входной массив, может быть комплексным.

ssequence of ints, optional

Форма (длина каждой преобразованной оси) выходного массива (s[0] относится к оси 0, s[1] к оси 1 и т. д.). Это соответствует n для fft(x, n). По любой оси, если заданная форма меньше, чем форма входных данных, входные данные обрезаются. Если она больше, входные данные дополняются нулями. Если s не задан, используется форма входных данных вдоль осей, указанных в axes.

axessequence of ints, optional

Оси, по которым вычисляется FFT. Если не указаны, используются последние len(s) оси, или все оси, если s также не указан. Повторные индексы в axes означают, что преобразование по этой оси выполняется несколько раз.

norm{None, “ortho”}, optional

Новое в версии 1.10.0.

Режим нормализации (см. numpy.fft). По умолчанию None.

Возвращает

outcomplex ndarray

Усеченный или дополненный нулями входной массив, преобразованный вдоль осей, указанных в axes, или комбинацией s и a, как описано в разделе параметров выше.

Возбуждает

ValueError

Если s и axes имеют разную длину.

IndexError

Если элемент axes больше, чем количество осей в a.

См. также

numpy.fft

Общий обзор дискретных преобразований Фурье с определениями и используемыми соглашениями.

ifftn

Обратное преобразование к fftn, обратное n-мерное FFT.

fft

Одномерное FFT с определениями и используемыми соглашениями.

rfftn

N-мерное FFT вещественного входного массива.

fft2

Двумерное FFT.

fftshift

Смещает нулевой частотный термин в центр массива

Примечания

Выходные данные, аналогично fft, содержат член для нулевой частоты в углу с наименьшими индексами по всем осям, положительные частоты в первой половине по всем осям, член для частоты Найквиста посередине всех осей и отрицательные частоты во второй половине всех осей, в порядке убывания отрицательной частоты.

См. numpy.fft для получения подробной информации, определений и используемых соглашений.

Примеры

>>> 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()