Numpy中的fft和fftfreq函数有何区别

在本文中，我们将介绍numpy库中的两个函数fft和fftfreq，这两个函数都与傅里叶变换有关，但是在使用时又有所不同。下面我们将分别介绍这两个函数及其区别。

阅读更多：Numpy 教程

numpy.fft.fft函数

numpy.fft.fft函数用于实现快速傅里叶变换（FFT），将时域上的信号变换到频域上，生成频域上的幅值谱。该函数的使用方式如下：

import numpy as np

# 四个相位分别为0、pi/2、pi、3*pi/2的正弦波信号
x = np.array([np.sin(2 * np.pi * i / 8) for i in range(8)])
print(x)
# 输出：[ 0.00000000e+00  7.07106781e-01  1.00000000e+00  7.07106781e-01
#         1.22464680e-16 -7.07106781e-01 -1.00000000e+00 -7.07106781e-01]

# 对信号进行FFT变换
y = np.fft.fft(x)
print(y)
# 输出：[ 8.88178420e-16+0.00000000e+00j  4.00000000e+00-4.44089210e-16j
#         6.12323400e-17+2.22044605e-16j -4.00000000e+00-4.44089210e-16j
#         4.65744738e-16+9.79717439e-17j -4.00000000e+00-4.44089210e-16j
#         -1.83697020e-16+1.11022302e-16j  4.00000000e+00-4.44089210e-16j]

上面的代码首先定义了一个八个点的正弦波信号，经过FFT变换后得到了一个八个元素的复数数组。

numpy.fft.fftfreq函数

numpy.fft.fftfreq函数是numpy库中用于计算FFT变换后各个频率点对应的频率值。fftfreq函数的使用方式如下：

import numpy as np

# 生成一个长度为8的采样频率为2的采样序列
x = np.linspace(0, 1, 8, endpoint=False)
print(x)
# 输出：[0.    0.125 0.25  0.375 0.5   0.625 0.75  0.875]

# 对信号进行FFT变换
y = np.fft.fft(x)
print(y)
# 输出：[ 0.-0.j          1.+0.j         -0.-0.36939721j -0.-1.j
#         0.-0.j         -0.+1.j         0.+0.36939721j  1.-0.j        ]

# 计算各个频率点对应的频率值
freqs = np.fft.fftfreq(len(x), 1/2)
print(freqs)
# 输出：[ 0.    0.125 0.25  0.375 -0.5  -0.375 -0.25  -0.125]

上面的代码首先生成了一个长度为8的采样频率为2的采样序列，经过FFT变换后得到了一个八个元素的复数数组。我们可以用fftfreq函数计算出各个频率点对应的频率值，可以看到得到的结果中前四个值与原序列相同，后四个值等于前四个值乘以-1。

fft和fftfreq函数的区别

fft与fftfreq函数都是用于处理信号的傅里叶变换，但它们的作用是不同的。fft函数将时域上的信号变换到频域上，得到一个表示各个频率幅值的复数数组。而fftfreq函数则根据FFT变换后得到的频率数量和采样周期计算出各个频率点对应的频率值。

举个例子，假设我们有一个采样频率为1000Hz的信号，我们需要将它从时域变换到频域上，得到各个频率点上的幅值。此时我们需要使用fft函数。得到频率幅值后，我们可以根据fftfreq函数计算出具体的频率值。例如，我们得到的频率幅值中第50个元素对应的频率是多少？我们可以使用以下代码得到结果：

import numpy as np

# 生成采样频率为1000Hz的8秒钟正弦波信号
t = np.arange(0, 8, 1/1000)
x = np.sin(2 * np.pi * 50 * t) + np.sin(2 * np.pi * 300 * t)

# 对信号进行FFT变换
y = np.fft.fft(x)

# 计算各个频率点对应的频率值
freqs = np.fft.fftfreq(len(x), 1/1000)

# 找出对应频率为50Hz的元素位置
idx = np.argmax(np.abs(y))
freq = freqs[idx]

print("第{}个元素对应的频率是{}Hz".format(idx, freq))

上面的代码首先生成了一个采样频率为1000Hz的信号，经过FFT变换后得到了一个复数数组。接着使用fftfreq函数计算出各个频率点对应的频率值。最后我们通过argmax函数找到幅值最大的元素位置（对应频率有可能不是50Hz），并计算出该位置对应的频率值。通过这种方式，我们可以非常方便地得到频率幅值和具体频率值之间的对应关系。

总结

本文介绍了numpy库中的两个函数fft和fftfreq，这两个函数都与傅里叶变换有关。fft函数用于实现快速傅里叶变换，将时域上的信号变换到频域上，生成频域上的幅值谱。fftfreq函数则根据FFT变换后得到的频率数量和采样周期计算出各个频率点对应的频率值。在使用这两个函数时，需要注意它们的作用和使用方式的不同。