numpy中的fft和scipy中的fft，fftshift以及fftfreq

numpy中有一个fft的库，scipy中也有一个fftpack的库，各自都有fft函数，两者的用法基本是一致的：

举例:

可以看到， numpy.fft.fft(x, n = 10) 和 scipy.fftpack.fft(x, n = 10)两者的结果完全相同。

其中，

第一个参数x表示输入的序列，

第二个参数n制定FFT的点数，n值如果没有的话，那么就默认输入序列的个数为FFT的点数

两者虽然相同，但是scipy.fftpack.fft的效率更高，推荐优先使用。

另外，numpy和scipy中都有fftshift，用于将FFT变换之后的频谱显示范围从[0, N]变为：

[-N/2, N/2-1](N为偶数)                  或者

[-(N-1)/2, (N-1)/2](N为奇数)

对于上面例子中的数据，对比如下：

对比上面两组数据可以看出，fftshift只是对fft的结果的顺序进行了调整。

fftfreq的说明：

在画频谱图的时候，要给出横坐标的数字频率，这里可以用fftfreq给出，对于fftfreq的说明如下：

scipy.fftpack.fftfreq(n, d=1.0)

第一个参数n是FFT的点数，一般取FFT之后的数据的长度（size）

第二个参数d是采样周期，其倒数就是采样频率Fs，即d=1/Fs

需要说明的是，DFT变换中，频率的分辨率为Fs/n=1/d*n

fftfreq得到的结果为各个数字频率 k*Fs/n = k/d*n

最终fftfreq输出的数字频率的结果为

举例如下：

fftshift也可以应用在数字频率上，即

最后，可以利用freq_shift作为横坐标，xfn_shift的幅值mag_shift作为纵坐标，作图如下：