我有一个复数的向量（可以找到here），在Python和MATLAB中都有。我正在使用
计算ifft - 转换
ifft(<vector>)
在MATLAB中和
np.fft.ifft(<vector>)
。我的问题是，我得到两个完全不同的结果，即虽然Python中的向量很复杂，但它不在MATLAB中。虽然MATLAB中的一些组件为零，但Python中没有组件。这是为什么？ fft - 版本按预期工作。最小值约为1e-10，即不会太低。
答案 0 :(得分：7)
实际上，它们是相同的，但Python正在以极高的精度显示虚部。假想的组件显示的值大约为NSMutableURLRequest* request = [[NSMutableURLRequest alloc] initWithURL:url];
[request setValue:@"application/json" forHTTPHeaderField:@"Content-Type"];
[request setHTTPMethod:@"POST"];
[request setHTTPBody:jsonData];
RKResponseDescriptor *responseDescriptor = [RKResponseDescriptor
responseDescriptorWithMapping: [LoginResponse getResponseMapping]
method:RKRequestMethodPOST
pathPattern:nil
keyPath:@"OutputParameters"
statusCodes:RKStatusCodeIndexSetForClass(RKStatusCodeClassSuccessful)];
RKObjectRequestOperation *operation = [[RKObjectRequestOperation alloc]initWithRequest:request responseDescriptors:@[responseDescriptor]];
。
以下是我在MATLAB中重建问题所写的内容：
10^{-12} format long g;
data = importdata('data.txt');
out = ifft(data);
是一个格式化选项，可显示更多有效数字，其中我们显示15位有效数字，包括小数位。
当我显示逆FFT输出的前10个元素时，这就是我得到的：
format long g;对于>> out(1:10)
ans =
-6.08077329443768
-5.90538963023573
-5.72145198564976
-5.53037208039314
-5.33360059559345
-5.13261402212083
-4.92890104744583
-4.72394865937531
-4.51922820694745
-4.31618153490126
，请注意，使用numpy字母而不是j来读取复数。因此，当您加载文字时，必须将所有i个字符转换为i。完成后，您可以正常加载数据：
j当您打开文件时，对In [15]: import numpy as np
In [16]: with open('data.txt', 'r') as f:
....: lines = map(lambda x: x.replace('i', 'j'), f)
....: data = np.loadtxt(lines, dtype=np.complex)
的调用将获取文件的内容并将每个map字符转换为i并返回每个元素的字符串列表此列表中的复数是您的文本文件中的j替换为i。然后，我们将调用j函数将这些字符串转换为复数数组。
现在当我拿着IFFT并显示反转结果的前10个元素时，我们看到了MATLAB版本，我们得到：
numpy.loadtxt正如你所看到的那样，真实部分是相同的，但虚部仍然存在。但是，请注意虚部的幅度有多小。在这种情况下，MATLAB选择不显示虚部，因为它们的幅度非常小。实际上，从MATLAB中的In [20]: out = np.fft.ifft(data)
In [21]: out[:10]
Out[21]:
array([-6.08077329 +0.00000000e+00j, -5.90538963 +8.25472974e-12j,
-5.72145199 +3.56159535e-12j, -5.53037208 -1.21875843e-11j,
-5.33360060 +1.77529105e-11j, -5.13261402 -1.58326676e-11j,
-4.92890105 -6.13731196e-12j, -4.72394866 +5.46673985e-12j,
-4.51922821 -2.59774424e-11j, -4.31618154 -1.77484689e-11j])
调用返回的数据类型是真实的，所以在调用ifft之后可能会有一些后处理来丢弃这些虚构的组件。顺便说一下，ifft并没有做同样的事情，但你可能会认为这些组件非常小而且微不足道。
总而言之，Python和MATLAB中的numpy调用基本相同，但虚构的组件在Python / ifft返回那些虚构组件的意义上是不同的，即使它们是无关紧要的MATLAB中的numpy调用没有。另请注意，您需要确保将虚构变量替换为ifft，并且不能像您提供的原始文本文件那样使用j。如果你知道某些输出类型应该是真实的，那么你也可以通过在i结果上调用numpy.real来删除虚构的组件。