Python dask.array.fft.fftn用法及代码示例

用法: dask.array.fft.fftn(a, s=None, axes=None)

numpy.fft.fftn 的包装

应用 FFT 的轴必须只有一个块。要更改数组的分块，请使用 dask.Array.rechunk。

numpy.fft.fftn 文档字符串如下：

计算 N 维离散傅里叶变换。

此函数通过快速傅里叶变换 (FFT) 在 M-dimensional 数组中的任意数量的轴上计算 N 维离散傅里叶变换。

参数：

a：array_like: 输入数组，可以很复杂。
s：整数序列，可选: 输出的形状(每个变换轴的长度)(s[0] 指轴 0，s[1] 指轴 1，等等)。这对应于 fft(x, n) 的 n 。沿着任何轴，如果给定的形状小于输入的形状，则裁剪输入。如果它更大，则用零填充输入。如果未给出s，则使用沿由axes 指定的轴的输入形状。
axes：整数序列，可选: 计算 FFT 的轴。如果未指定，则使用最后的 len(s) 轴，如果也未指定 s，则使用所有轴。 axes 中的重复索引意味着该轴上的变换被执行多次。
norm：{“backward”, “ortho”, “forward”}，可选: 规范化模式(参见numpy.fft)。默认为“backward”。指示前向/后向变换对的哪个方向被缩放以及使用什么归一化因子。

out：复杂的ndarray: 截断或补零的输入，沿 axes 或 s 和 a 的组合指示的轴进行转换，如上面的参数部分所述。

抛出：

ValueError: 如果s 和axes 的长度不同。
索引错误: 如果 axes 的元素大于 a 的轴数。

注意：

输出，类似于 fft ，包含所有轴低阶角的零频率项、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和所有轴的后半部分的负频率项，按负频率递减的顺序。

有关使用的详细信息、定义和约定，请参阅numpy.fft。

例子：

>>> 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()

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.array.fft.fftn。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

抛出：

注意：

例子：