Python | Numpy np.fftn() 方法

Numpy是Python语言的一个扩展程序库，支持大量的高级数值操作和运算，其中包括FFT变换。np.fft.fftn()方法是Numpy库中的一个函数，用于执行n维快速傅里叶变换。

在本文中，我们将深入探讨 np.fft.fftn() 方法，讨论其语法、参数、功能以及使用时的示例。

语法

np.fft.fftn(a, s=None, axes=None, norm=None)

参数:

• a ：待计算变换的数组。
• s ：整数或整数元组，指定输出数组的形状。如果不指定，则形状与输入数组a相同。
• axes：要计算傅里叶变换的轴。如果不指定，则计算所有轴。
• norm：归一化数据，默认为None。

返回值:

一个与输入数组形状相同的ndarray数组。

功能

np.fft.fftn() 方法是np.fft模块中的一个函数，用于执行多维FFT变换。它可以计算一个n维输入数组的傅里叶变换，并返回与输入数组形状相同的ndarray数组。它与np.fft.fft()方法的功能类似，只是可以处理多维数组。

在计算傅里叶变换时，通常需要考虑正规化问题。np.fft.fftn()方法中有一个参数norm，可以用于控制这一点。默认情况下，norm为None，表示不进行归一化计算。如果设置norm为'ortho'，则进行正规化计算，使得正向变换和反向变换之间的系数相同。

示例

现在让我们看一个使用np.fft.fftn()方法的例子。假设我们有一个形状为(2,2)的二维输入数组a:

import numpy as np

a = np.array([[1, 2], [3, 4]])

我们可以使用np.fft.fftn()方法对其进行傅里叶变换：

b = np.fft.fftn(a)

print(b)

输出：

[[10.+0.j -2.+0.j]
 [-2.+0.j  0.+0.j]]

我们也可以使用s参数来指定输出数组的形状：

b = np.fft.fftn(a, s=(4, 4))

print(b)

输出：

[[10.+0.j  2.+0.j  2.+0.j  2.+0.j]
 [ 0.+0.j -2.+0.j -2.+0.j -2.+0.j]
 [ 0.+0.j -2.+0.j -2.+0.j -2.+0.j]
 [ 0.+0.j -2.+0.j -2.+0.j -2.+0.j]]

我们可以看到，通过指定s参数，我们得到了一个更大的输出数组。在这里，输入数组a的形状为(2,2)，而s参数指定了输出数组形状为(4,4)。

最后，我们可以使用norm参数来控制归一化计算：

b = np.fft.fftn(a, norm='ortho')

print(b)

输出：

[[ 5.  -1.5j]
 [-1.5 +0.5j]]

这里我们使用“ortho”选项进行归一化计算，得到了一个不同的输出结果。