dask.array.fft.fftn

dask.array.fft.fftn¶

dask.array.fft.fftn(a, s=None, axes=None, norm=None)¶

numpy.fft.fftn 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.fftn 的文档字符串：

计算 N 维离散傅里叶变换。

此函数通过快速傅里叶变换（FFT）计算 M 维数组中任意数量轴上的 N 维离散傅里叶变换。

参数

aarray_like

输入数组，可以是复数。

s整数序列，可选

输出形状（每个变换轴的长度）（s[0] 指轴 0，s[1] 指轴 1，依此类推）。这对应于 fft(x, n) 中的 n。沿任何轴，如果给定形状小于输入形状，则输入被裁剪。如果它更大，输入用零填充。

在 2.0 版更改: 如果它是 -1 ，则使用整个输入（无填充/修剪）。

如果未给出 s，则使用沿 axes 指定的轴的输入形状。

2.0 版后已移除: 如果 s 不是 None，那么 axes 也必须不是 None。

2.0 版后已移除: s 必须只包含 int 类型，不能包含 None 值。None 值目前意味着在相应的 1-D 变换中使用 n 的默认值，但这种行为已被弃用。

轴整数序列，可选

要计算FFT的轴。如果没有给出，则使用最后的 len(s) 轴，或者如果 s 也没有指定，则使用所有轴。axes 中的重复索引意味着在该轴上执行多次变换。

2.0 版后已移除: 如果指定了 s，则必须显式指定要转换的相应 axes。

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。它应该具有所有轴的适当形状和数据类型（因此与传递除平凡的 s 之外的所有内容不兼容）。

2.0.0 新版功能.

返回

出复杂 ndarray: 根据 axes 指示的轴，或根据上述参数部分解释的 s 和 a 的组合，对截断或零填充的输入进行变换。

Raises

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

参见

numpy.fft: 离散傅里叶变换的总体视图，包含定义和使用的约定。
ifftn: fftn 的逆运算，逆 n 维傅里叶变换。
fft: 一维傅里叶变换，包含定义和使用的约定。
rfftn: 实输入的 n 维 FFT。
fft2: 二维傅里叶变换。
fftshift: 将零频率项移至数组中心

注释

输出与 fft 类似，包含所有轴的低阶角中的零频率项，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，以及所有轴后半部分的负频率项，按负频率递减的顺序排列。

详情、定义和使用的约定请参见 numpy.fft。

示例

>>> 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()  

dask.array.fft.fft2

dask.array.fft.ifft