numpy.fft.fft¶

numpy.fft.fft(a, n=None, axis=-1, norm=None)[source]¶

计算一维离散傅里叶变换。

该函数使用有效的快速傅立叶变换（FFT）算法[CT]计算一维n点离散傅里叶变换（DFT）。

参数：	a：array_like 输入数组，可以复杂。 n：int，可选输出的变换轴的长度。如果n小于输入的长度，则输入被裁剪。如果它较大，输入将用零填充。如果未给出n，则使用沿由轴指定的轴的输入长度。 axis：int，可选用于计算FFT的轴。如果未给出，则使用最后一个轴。 norm：{None，“ortho”}，可选版本1.10.0中的新功能。规范化模式（参见`numpy.fft`）。默认值为None。
返回：	out：complex ndarray 未指定沿轴指示的轴变换的截断或零填充输入，如果轴指定最后一个输入。
上升：	IndexError 如果轴大于a的最后一个轴。

参数：

a：array_like

输入数组，可以复杂。

n：int，可选

输出的变换轴的长度。如果n小于输入的长度，则输入被裁剪。如果它较大，输入将用零填充。如果未给出n，则使用沿由轴指定的轴的输入长度。

axis：int，可选

用于计算FFT的轴。如果未给出，则使用最后一个轴。

norm：{None，“ortho”}，可选

版本1.10.0中的新功能。

规范化模式（参见numpy.fft）。默认值为None。

out：complex ndarray

未指定沿轴指示的轴变换的截断或零填充输入，如果轴指定最后一个输入。

上升：

IndexError

如果轴大于a的最后一个轴。

也可以看看

numpy.fft: 用于定义所使用的DFT和约定。
ifft: fft的逆。
fft2: 二维FFT。
fftn: n维FFT。
rfftn: 实输入的n维FFT。
fftfreq: 给定FFT参数的频率仓。

笔记

FFT（快速傅里叶变换）是指通过使用计算项中的对称性可以有效地计算离散傅里叶变换（DFT）的方式。当n是2的幂时，对称性最高，因此，对于这些大小，变换是最有效的。

在numpy.fft模块的文档中，使用此实现中使用的约定来定义DFT。

参考文献

[CT]	Cooley，James W.和John W. Tukey，1965，“An algorithm for the machine calculation of complex Fourier series，”计算。19：297-301。

例子

>>> np.fft.fft(np.exp(2j * np.pi * np.arange(8) / 8))
array([ -3.44505240e-16 +1.14383329e-17j,
         8.00000000e+00 -5.71092652e-15j,
         2.33482938e-16 +1.22460635e-16j,
         1.64863782e-15 +1.77635684e-15j,
         9.95839695e-17 +2.33482938e-16j,
         0.00000000e+00 +1.66837030e-15j,
         1.14383329e-17 +1.22460635e-16j,
         -1.64863782e-15 +1.77635684e-15j])

>>> 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()

在该示例中，实数输入具有Hermitian的FFT，即，如在numpy.fft文档中所描述的，在实部对称并且在虚部中是非对称的。

（源代码）