Question

后者只是前者的同义词，还是两种不同的FFT实现？哪一个更好？

Answer 1

SciPy做得更多：

此外，SciPy通过自己的界面导出一些NumPy功能，例如，如果您执行 scipy.fftpack.helper.fftfreq 和 numpy.fft.helper.fftfreq

然而，SciPy有自己的功能实现。该源具有性能基准，可比较原始的NumPy和新的SciPy版本。我古老的笔记本电脑显示如下：

Fast Fourier Transform ================================================= | real input | complex input ------------------------------------------------- size | scipy | numpy | scipy | numpy ------------------------------------------------- 100 | 0.07 | 0.06 | 0.06 | 0.07 (secs for 7000 calls) 1000 | 0.06 | 0.09 | 0.09 | 0.09 (secs for 2000 calls) 256 | 0.11 | 0.11 | 0.12 | 0.11 (secs for 10000 calls) 512 | 0.16 | 0.21 | 0.20 | 0.21 (secs for 10000 calls) 1024 | 0.03 | 0.04 | 0.04 | 0.04 (secs for 1000 calls) 2048 | 0.05 | 0.09 | 0.08 | 0.08 (secs for 1000 calls) 4096 | 0.05 | 0.08 | 0.07 | 0.09 (secs for 500 calls) 8192 | 0.10 | 0.20 | 0.19 | 0.21 (secs for 500 calls)

看起来SciPy的运行速度明显更快，因为阵列的大小增加了，尽管这些只是人为的例子，值得为你的特定项目进行试验。

值得查看源代码http://www.scipy.org/Download#head-312ad78cdf85a9ca6fa17a266752069d23f785d1。是的那些.f文件真的是Fortran！ :-D

Answer 2

我发现numpy的2D fft明显快于scipy，但FFTW比两者快（使用PyFFTW绑定）。性能测试在这里： code.google.com/p/agpy/source/browse/trunk/tests/test_ffts.py

结果（对于n x n数组）：

           n                sp               np             fftw
           8:         0.010189         0.005077         0.028378
          16:         0.010795         0.008069         0.028716
          32:         0.014351         0.008566         0.031076
          64:         0.028796         0.019308         0.036931
         128:         0.093085         0.074986         0.088365
         256:         0.459137         0.317680         0.170934
         512:         2.652487         1.811646         0.571402
        1024:        10.722885         7.796856         3.509452

Answer 3

查看每个的github存储库，scipy不只是导入numpy的版本并重命名它（虽然它确实借用了一些功能）。如果你想要识别实现中的差异，你将不得不深入研究代码，因为文档没有直接比较。

https://github.com/numpy/numpy/tree/master/numpy/fft

https://github.com/scipy/scipy/tree/master/scipy/fftpack

numpy.fft和scipy.fftpack有什么区别？

3 个答案: