Numpy ifft 错误答案

【问题标题】：Numpy ifft errorNumpy ifft 错误
【发布时间】：2015-10-04 03:25:32
【问题描述】：

我在使用 numpy 的快速傅立叶逆变换函数时遇到了一个非常令人沮丧的问题。根据我的其他结果，我知道 fft 函数运行良好。调用 ifft 后似乎引入了错误。例如，以下应打印零：

temp = Eta[50:55] 
print(temp) 
print(temp-np.fft.fft(np.fft.ifft(temp)))

输出：

[ -4.70429130e+13 -3.15161484e+12j -2.45515846e+13 +5.43230842e+12j -2.96326088e+13 -4.55029496e+12j 2.99158889e+13 -3.00718375e+13j -3.87978563e+13 +9.98287428e+12j]

[ 0.00781250+0.00390625j -0.02734375+0.01757812j 0.05078125-0.02441406j 0.01171875-0.01171875j -0.01562500+0.015625j ]

请帮忙！

【问题讨论】：

似乎是由于数字错误。如果您将输入缩小几个数量级，您将更接近于 0。

标签： python numpy fft numerical ifft

【解决方案1】：

您看到的是正常的浮点不精度。以下是我从您的数据中得到的信息：

In [58]: temp = np.array([ -4.70429130e+13 -3.15161484e+12j, -2.45515846e+13 +5.43230842e+12j, -2.96326088e+13 -4.55029496e+12j, 2.99158889e+13 -3.00718375e+13j, -3.87978563e+13 +9.98287428e+12j])

In [59]: delta = temp - np.fft.fft(np.fft.ifft(temp))

In [60]: delta
Out[60]: 
array([ 0.0000000+0.00390625j, -0.0312500+0.01953125j,
        0.0390625-0.02539062j,  0.0078125-0.015625j  , -0.0156250+0.015625j  ])

相对于输入，这些值实际上是“小”的，并且对于 64 位浮点计算是合理的：

In [61]: np.abs(delta)/np.abs(temp)
Out[61]: 
array([  8.28501685e-17,   1.46553699e-15,   1.55401584e-15,
         4.11837758e-16,   5.51577805e-16])

【讨论】：