dask.array.fft.fft
dask.array.fft.fft¶
- dask.array.fft.fft(a, n=None, axis=None, norm=None)¶
numpy.fft.fft 的封装
应用FFT的轴必须只有一个块。要更改数组的块化，请使用 dask.Array.rechunk。
以下是 numpy.fft.fft 的文档字符串：
计算一维离散傅里叶变换。
此函数使用高效的快速傅里叶变换（FFT）算法 [CT] 计算一维 n 点离散傅里叶变换（DFT）。
- 参数
- aarray_like
输入数组，可以是复数。
- nint, 可选
输出变换轴的长度。如果 n 小于输入的长度，则输入被裁剪。如果它更大，输入则用零填充。如果未给出 n，则使用 axis 指定的轴上的输入长度。
- 轴int, 可选
要计算FFT的轴。如果没有指定，则使用最后一个轴。
- 规范{“backward”, “ortho”, “forward”}，可选
1.10.0 新版功能.
归一化模式（参见 numpy.fft）。默认是“backward”。指示正向/反向变换对中哪个方向被缩放以及使用什么归一化因子。
1.20.0 新版功能: 添加了“backward”、“forward”值。
- 出complex ndarray, 可选
如果提供，结果将被放置在这个数组中。它应该具有适当的形状和数据类型。
2.0.0 新版功能.
- 返回
- 出复杂 ndarray
被截断或零填充的输入，沿 axis 指示的轴转换，如果未指定 axis，则沿最后一个轴转换。
- Raises
- 索引错误
如果 axis 不是 a 的有效轴。
参见
注释
FFT（快速傅里叶变换）指的是一种可以高效计算离散傅里叶变换（DFT）的方法，通过利用计算项中的对称性。当 n 是 2 的幂时，对称性最高，因此变换对于这些大小的计算最为高效。
DFT 的定义，按照本实现中使用的约定，在 numpy.fft 模块的文档中有说明。
参考文献
- CT
Cooley, James W., 和 John W. Tukey, 1965, “用于机器计算复数傅里叶级数的算法,” Math. Comput. 19: 297-301.
示例
>>> import numpy as np >>> np.fft.fft(np.exp(2j * np.pi * np.arange(8) / 8)) array([-2.33486982e-16+1.14423775e-17j, 8.00000000e+00-1.25557246e-15j, 2.33486982e-16+2.33486982e-16j, 0.00000000e+00+1.22464680e-16j, -1.14423775e-17+2.33486982e-16j, 0.00000000e+00+5.20784380e-16j, 1.14423775e-17+1.14423775e-17j, 0.00000000e+00+1.22464680e-16j])
在这个例子中，实际输入的FFT是厄米特的，即实部对称且虚部反对称，如 numpy.fft 文档中所述：
>>> import matplotlib.pyplot as plt >>> t = np.arange(256) >>> sp = np.fft.fft(np.sin(t)) >>> freq = np.fft.fftfreq(t.shape[-1]) >>> plt.plot(freq, sp.real, freq, sp.imag) [<matplotlib.lines.Line2D object at 0x...>, <matplotlib.lines.Line2D object at 0x...>] >>> plt.show()