Python_Numpy

Numpy笔记

numpy.fft.hfft方法

• 格式: numpy.fft.hfft(a, n=None, axis=-1, norm=None)
• 计算具有Hermitian对称性（即实谱）的信号的FFT。即真实频谱。
  numpy.fft.hfft
  numpy.fft.hfft(a, n=None, axis=-1, norm=None)
  计算具有Hermitian对称性（即实谱）的信号的FFT。即真实频谱。
  参数：
  a ：array_like
  输入数组。
  b ：int, 可选
  输出的转换轴的长度。 对于n个输出点，
  需要n//2 + 1个输入点。
  如果输入长于此长度，则将对其进行裁剪。
  如果比这短，则用零填充。 如果未给出n，
  则将其取为2*(m-1)，
  其中m是沿axis指定的轴的输入长度。
  axis ：int, 可选
  计算FFT的轴。如果没有给出，则使用最后一个轴。
  norm ：{None, “ortho”}, 可选
  规范化模式（请参阅numpy.fft）。 默认为None。
  1.10.0版中的新功能。
  返回值：
  out ：ndarray
  截断的或零填充的输入，
  沿着由轴表示的轴进行转换，
  或者如果轴未指定，则为最后一个。
  变换轴的长度为n，如果n不给定，
  则为2m - 2，其中m为输入的变换轴的长度。
  要得到奇数个输出点，必须指定n，
  例如在典型情况下为2m - 1，
  Raises：
  IndexError
  如果axis大于a的最后一个轴。
  Notes
  hfft/ ihfft是一对类似于rfft/ irfft，但是对于相反的情况：在这里该信号具有在时域对称性厄米和是在频域中实际。因此，hfft如果结果是奇数，必须在此处提供结果的长度。
  偶数：在舍入误差内，ihfft(hfft(a, 2len(a) - 2)) == a
  奇数：，舍入误差内。ihfft(hfft(a, 2len(a) - 1)) == a
  厄米输入的正确解释取决于原始数据的长度，如n所示。这是因为每种输入形状可能对应于奇数或偶数长度的信号。默认情况下，hfft 假设输出长度是偶数，这会将最后一个条目置于奈奎斯特频率；与其对称对应物混叠。通过埃尔米特对称性，该值因此被视为纯实数。为了避免丢失信息，必须给出完整信号的形状。

>>> signal = np.array([1,2,3,4,3,2])
>>> np.fft.fft(signal)
array([15.+0.j, -4.+0.j,  0.+0.j, -1.+0.j,  0.+0.j, -4.+0.j])
>>> np.fft.hfft(signal[:4])
array([15., -4.,  0., -1.,  0., -4.])
>>> np.fft.hfft(signal,6)
array([15., -4.,  0., -1.,  0., -4.])
>>> freq_spectrum = np.fft.hfft(signal)
>>> freq_spectrum
array([[ 1.,  1.],
       [ 2., -2.]])

numpy.asarray函数

• numpy.asarray(a, dtype=None, order=None)
• 和array基础功能都是将序列转换为ndarray，不同的是
• 如果转换对象为一个ndarray，只有dtype不相同时才复制数据
• 与后面的asnyarray不同的是，它子类未传递

>>> a = np.asarray(a)
>>> a
array([1, 2])
>>> a = [1,2]
>>> type(a)
<class 'list'>
>>> a = np.array([1,2],dtype=np.float32)
>>> np.asarray(a,dtype=np.float32) is a
True
>>> np.asarray(a,dtype=np.float64) is a
False
>>> issubclass(np.recarray,np.ndarray)
True

numpy.asanyarray函数

• 格式: numpy.asanyarray(a, dtype=None, order=None)
• 功能: 类似asarray,将一个序列转换为ndarray,传递子类

>>> np.asanyarray(range(5))
array([0, 1, 2, 3, 4])

numpy.ascontiguousarray函数

• 格式: numpy.ascontiguousarray(a, dtype=None)

>>> x = np.arange(6).reshape(2,3)
>>> np.ascontiguousarray(x,dtype=np.float32)
array([[0., 1., 2.],
       [3., 4., 5.]], dtype=float32)
>>> b = np.arange(6).reshape(2,3)
>>> b
array([[0, 1, 2],
       [3, 4, 5]])
>>> x.flags['C_CONTIGUOUS']
True
#注意：此函数返回一个至少具有一维（1-d）的数组，因此它将不保留0-d数组。

numpy.copy函数

• 格式: numpy.copy(a, order=‘K’, subok=False)
• 功能: 返回给对象ndarray副本,等效于np.array(a,copy=True)
• 请注意：
  np.copy是浅表副本，不会复制数组中的对象元素。这对于包含Python对象的数组非常重要。
  新数组将包含相同的对象，如果可以修改（可变）该对象，则可能会导致意外：
  要确保object复制数组中的所有元素，请使用copy.deepcopy：

>>> x = np.arange(6).reshape(2,3)
>>> x
array([[0, 1, 2],
       [3, 4, 5]])
>>> y = x
>>> x[0] = 10
>>> x
array([[10, 10, 10],
       [ 3,  4,  5]])
>>> y
array([[10, 10, 10],
       [ 3,  4,  5]])
>>> z = np.copy(x)
>>> x[0] = 5
>>> x
array([[5, 5, 5],
       [3, 4, 5]])
>>> y
array([[5, 5, 5],
       [