NumPy 1.14 - numpy.fft.fft()

numpy.fft.fft




numpy

numpy.fft.fft

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

एक आयामी असतत फूरियर ट्रांसफॉर्म की गणना करें।

यह फ़ंक्शन कुशल फास्ट फूरियर ट्रांसफॉर्म (FFT) एल्गोरिथ्म [सीटी] के साथ एक आयामी एन -पॉइंट असतत फूरियर ट्रांसफॉर्म (डीएफटी) की गणना करता है।

पैरामीटर:

a : array_like

इनपुट सरणी, जटिल हो सकती है।

n : int, वैकल्पिक

आउटपुट के रूपांतरित अक्ष की लंबाई। यदि n इनपुट की लंबाई से छोटा है, तो इनपुट क्रॉप किया जाता है। यदि यह बड़ा है, तो इनपुट शून्य के साथ गद्देदार है। यदि n नहीं दिया गया है, तो अक्ष द्वारा निर्दिष्ट अक्ष के साथ इनपुट की लंबाई का उपयोग किया जाता है।

अक्ष : int, वैकल्पिक

एक्सिस जिस पर एफएफटी की गणना करना है। यदि नहीं दिया जाता है, तो अंतिम अक्ष का उपयोग किया जाता है।

मानदंड : {कोई नहीं, “ओर्थो”}, वैकल्पिक

संस्करण 1.10.0 में नया।

सामान्यीकरण मोड ( numpy.fft देखें)। डिफ़ॉल्ट कोई भी नहीं है।

यह दिखाता है:

बाहर : जटिल ndarray

कुंडली या शून्य-गद्देदार इनपुट, धुरी द्वारा इंगित अक्ष के साथ बदल दिया जाता axis , या यदि axis निर्दिष्ट नहीं किया जाता है, तो पिछले एक।

जन्म देती है:

IndexError

यदि axes पिछले अक्ष की तुलना में बड़ा है।

यह भी देखें

numpy.fft
उपयोग किए गए DFT और सम्मेलनों की परिभाषा के लिए।
ifft
फटे का उलटा।
fft2
द्वि-आयामी एफएफटी।
fftn
एन -डायमेंशनल एफएफटी।
rfftn
वास्तविक इनपुट का n -dimensional FFT।
fftfreq
दी गई एफएफटी मापदंडों के लिए आवृत्ति डिब्बे।

टिप्पणियाँ

एफएफटी (फास्ट फूरियर ट्रांसफॉर्म) एक तरह से संदर्भित करता है जिस तरह से असतत फूरियर ट्रांसफॉर्म (डीएफटी) को गणना की गई शर्तों में समरूपता का उपयोग करके कुशलता से गणना की जा सकती है। सममिति उच्चतम होती है जब n 2 की शक्ति होती है, और इसलिए परिवर्तन इन आकारों के लिए सबसे अधिक कुशल होता है।

DFT परिभाषित किया गया है, इस कार्यान्वयन में उपयोग किए जाने वाले सम्मेलनों के साथ, numpy.fft मॉड्यूल के लिए प्रलेखन में।

संदर्भ

[CT2930] Cooley, जेम्स डब्ल्यू।, और जॉन डब्ल्यू। ट्युकी, 1965, "जटिल फूरियर श्रृंखला की मशीन गणना के लिए एक एल्गोरिथ्म," गणित। कंप्यूटर। 19: 297-301।

उदाहरण

>>> 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])

इस उदाहरण में, वास्तविक इनपुट में एक एफएफटी है जो कि हेर्मिटियन है, अर्थात वास्तविक भाग में सममित और काल्पनिक भाग में विरोधी सममित, जैसा कि numpy.fft प्रलेखन में वर्णित है:

>>> 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()
../../_images/numpy-fft-fft-1.png