我正在从商业仪器中获取光学OFDR（1，2，3）数据的FFT。
然而，我花了几天时间困惑为什么FFT没有给出预期的结果。原来是因为我导入的数组的形状是(20000,1)而不是(20000,)。前者(20000,1)的FFT返回不变，而形状为(20000,)的对象的FFT产生正确的结果。从概念上讲，这些对我来说似乎是完全相同的数组-但在实践中，它们显然是不同的FFT计算。
谁能解释一下为什么这个看似虚构的维度会破坏我的FFT？
# Produces bad FFT:
>> np.shape(MeasData)
: (433229, 1)
# Produces correct FFT
>> np.shape(MeasData[:,0])
: (433229,)第二，有一个空的维度意味着什么？也就是说，为什么形状报告为(2000,)而不是(2000)（没有逗号）？
下面是一个图表，显示了这些和相应的傅立叶变换，通过numpy.rfft( MeasData )（对不起，我不知道如何生成有用的MWE数据）：
第一个和第二个（MeasData = [433000，1]）显示FFT根本没有做任何事情，而第三个和第四个（MeasData = [433000，]）显示正确的FFT。
形状[400000,1]和[400000,]不同，这有什么意义呢？听起来很违反直觉。
1条答案
按热度按时间bvpmtnay1#
默认情况下，
numpy.fft.rfft在输入的最后一个维度上计算FFT。当你传递一个形状为(20000, 1)的数组时，它会计算20000个1元素向量的FFT，而不是将输入视为20000个元素向量来计算单个FFT。NumPy是一个n维数组库，而不是矩阵库。第二个维度长度为1的二维数组被认为与一维数组完全不同。如果你想表示一个向量，你应该总是把它表示为一个一维数组。
(20000,)形数组是一维的。