Matlab和numpy / scipy中的FFT给出不同的结果
我正在尝试重新实现matlab工具箱之一。他们在那边使用fft。当我对相同的数据执行相同的操作时，我得到的结果与Matlab的结果不同。看看：
MATLAB ：
Msig =
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 1 0 0
0 0 0 0
fft(Msig.')
Columns 1 through 4
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
Columns 5 through 6
1.0000 0
0 - 1.0000i 0
-1.0000 0
0 + 1.0000i 0
PYTHON ：
Msig=
array([[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 0., 0., 0.],
[ 0., 1., 0., 0.],
[ 0., 0., 0., 0.]])
np.fft.fft(Msig.transpose())
array([[ 0.0 +0.00000000e+00j, 0.0 +0.00000000e+00j,
0.0 +0.00000000e+00j, 0.0 +0.00000000e+00j,
0.0 +0.00000000e+00j, 0.0 +0.00000000e+00j],
[ 1.0 +0.00000000e+00j, -0.5 +8.66025404e-01j,
-0.5 -8.66025404e-01j, 1.0 -3.88578059e-16j,
-0.5 +8.66025404e-01j, -0.5 -8.66025404e-01j],
[ 0.0 +0.00000000e+00j, 0.0 +0.00000000e+00j,
0.0 +0.00000000e+00j, 0.0 +0.00000000e+00j,
0.0 +0.00000000e+00j, 0.0 +0.00000000e+00j],
[ 0.0 +0.00000000e+00j, 0.0 +0.00000000e+00j,
0.0 +0.00000000e+00j, 0.0 +0.00000000e+00j,
0.0 +0.00000000e+00j, 0.0 +0.00000000e+00j]])
如果我弄乱了np.fft.fft（）/ np.fft.fft2（）/
np.fft.fftn（）的参数（轴等），则可以得到的最佳值是相同的，但发生了变化。不幸的是，手动移位不是一种选择，因为Msig矩阵的大小和形状取决于输入参数。
您有任何解决办法的线索，可能是什么原因？
问题答案：
Matlab默认将fft应用到矩阵的列上，numpy默认将fft应用到最后一个轴（行）上。你要：
>>> np.fft.fft(Msig.T, axis=0)
array([[ 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 1.+0.j, 0.+0.j],
[ 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 0.-1.j, 0.+0.j],
[ 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, -1.+0.j, 0.+0.j],
[ 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 0.+1.j, 0.+0.j]])
要么
>>> np.fft.fft(Msig).T
array([[ 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 1.+0.j, 0.+0.j],
[ 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 0.-1.j, 0.+0.j],
[ 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, -1.+0.j, 0.+0.j],
[ 0.+0.j, 0.+0.j, 0.+0.j, 0.+0.j, 0.+1.j, 0.+0.j]])
-
问题内容： 我尝试将matlab代码转换为numpy，并发现numpy与std函数的结果不同。 在matlab中 在numpy中 这正常吗？我应该如何处理呢？ 问题答案： NumPy函数采用一个可选参数：“自由度增量”。默认情况下是。对其进行设置以获取MATLAB结果： 要添加更多上下文，在计算方差（标准偏差为平方根）时，通常将其除以我们拥有的值的数量。 但是，如果我们从较大的分布中选择元素的随机
-
在Python 2.7中我有两个矩阵：一个是密集的A_Dence，另一个是稀疏的A_Sparse。我对计算元素相乘和感兴趣。有两种方法：使用numpy的乘法或scipy稀疏乘法。我希望它们在执行时间上会给出完全相同的结果。但我发现，对于某些矩阵大小，它们给出了不同的结果。 产出： 如果我选择L=2001，那么输出是： 为了使用两种不同的乘法检查差异的大小依赖关系，我写道： 有人能帮我了解发生了什么
-
问题内容： 我在Matlab中目前具有以下结构的数据 其中item是来自i = 1 .. n的单元格，每个单元格包含多个属性的数据结构，每个属性均具有大小为2，j的矩阵，其中j = 1 .. m。属性的数量不是固定的。 我必须将此数据结构转换为python，但是我对numpy和python列表并不陌生。用numpy / scipy在python中构造此数据的最佳方法是什么？ 谢谢。 问题答案： 我
-
问题内容： 我正在与试验KISSFFT在 C ++ 气馁使用后FFTPACK处理二维数组。 我编写了 逐个元素的乘法* 函数，将两个2D数组用转换后再相乘。然后，通过逆FFT函数将乘法结果转换回去。不幸的是，我在 C语言 中从 kissfft 获得的结果与我在 python中 通过 SciPy 获得的结果不同，如下图所示： * 为了测试乘法函数，在转换2D输入数组后，为简单起见，我将其与自身相乘。
-
我怎样才能导入阶乘函数分别从Numpy和sippy为了看看哪一个更快？ 我已经通过导入数学从python本身导入了阶乘。但是，它不适用于Numpy和smpy。
-
我试图通过HTTP向服务器发送一个SHA256哈希字符串，在那里我想通过执行SHA256哈希并验证两个匹配来进行身份验证。出于测试目的，我使用相同的字符串，但是结果不匹配。这可能是我的base64_encode调用的默认编码方案吗？谢谢 在PHP中，我正在做： 我在做什么