numpy.fft和scipy.fftpack有什么区别？

Question

后者只是前者的同义词，还是它们是FFT的两种不同实现方式？哪个更好呢？

- Charles Brunet

---

有趣的问题。文档没有提供太多信息。我在解释导入策略的上下文中找到了这句话：“让我们考虑这样一种情况，即您（出于任何原因）想要比较numpy和scipy的fft函数。”（请参见此网站的末尾）。好吧，“……出于任何原因……” - Oben Sonne

@ObenSonne 那个页面已经更新了，但是你提到的内容仍然可以在这里找到。 - karlphillip

Answer 1

SciPy提供了更多功能：

• http://docs.scipy.org/doc/numpy/reference/routines.fft.html
• http://docs.scipy.org/doc/scipy/reference/fftpack.html#

此外，SciPy通过自己的接口导出了一些NumPy的特性。例如，如果你执行scipy.fftpack.helper.fftfreq和numpy.fft.helper.fftfreq，实际上运行的是相同的代码。

然而，SciPy有许多功能的自己的实现。该源代码包括性能基准测试，比较原始的NumPy和新的SciPy版本。我的老式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)

似乎当数组大小增加时，SciPy的运行速度会显着提高，尽管这只是编造出来的例子，但对于您特定的项目来说，值得进行双方面的实验。

检查源代码http://www.scipy.org/Download#head-312ad78cdf85a9ca6fa17a266752069d23f785d1 。是的，那些.f文件确实是Fortran！:-D

- jond3k

---

他们为什么选择保持两种不同的实现，你有任何想法吗？ - dtlussier

Scipy 的傅里叶变换函数会检查你的数据类型是否为实数，如果是，它会使用效率提高两倍的 rfft。而 NumPy 的傅里叶变换函数则不会这样做。 - endolith

scipy返回的数据格式非常不方便-在第一个元素之后交替显示实数和虚数部分。一旦将其拆分并转换为复数，进行计算，然后再全部转换回去，就会失去很多（但不是全部）速度优势。基本上这不是一个公平的比较-numpy的时间包括使输出可用，而不仅仅是执行fft。 - Corvus

另外，请查看http://hgomersall.github.io/pyFFTW/pyfftw/interfaces/interfaces.html。它是一个很好的包装器，可作为numpy.fft或scipy.fftpack的替代品。 - nick maxwell

你可以使用dtype技巧将“alternating”数组视为复数数组（我相信除了第一个元素）。@Corone - ZisIsNotZis

Answer 2

我发现numpy的二维fft明显比scipy的快，但使用PyFFTW绑定的FFTW速度更快。性能测试在这里：

code.google.com/p/agpy/source/browse/trunk/tests/test_ffts.py

结果如下（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

- keflavich

---

顺便提一下，我认为速度很大程度上取决于您为numpy/scipy编译了哪些支持包，例如如果您编译了BLAS/LAPACK以及使用的编译器和编译器标志。但是我不知道哪些编译器/标志更快 =( - keflavich

Answer 3

从github上查看每个仓库，scipy不仅仅是导入numpy的版本并重命名（虽然它确实借用了一些功能）。如果您想区分实现差异，则需要深入代码，因为文档没有直接进行比较。

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

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

- JoshAdel

---

Numpy使用FFTPACK Fortran程序的C移植版本，而Scipy使用原始的Fortran版本。 - divenex