python - numpy数组的高效for循环

Question

Data_File 我有一个大小为 [8192x29] 的数据框，我想计算每一列的 fft，但在此之前我需要将每一列 (8192 x 1) 重塑为 (64 x 128)。所以对于一列它是这样的

data_1 = np.array(data_all.iloc[:,16])
data_1 = np.reshape(data_1,(64,128))
data_standarized = preprocessing.scale(data_1)
fft = fftpack.fft(data_standarized)

现在我必须对所有数据应用相同的数据，因此对所有列应用“for循环”并计算fft分离。我似乎想不出一种有效的方法来做到这一点。我的for循环如下

data_k = np.zeros((64,3712))
for i in range(0,data_size[1]):
        data_k[0:63, i:i+127]= data_all[:,i].reshape(64,128)

然后我需要另一个for循环来一个一个地获取64 x 128矩阵并应用fft。在 MATLAB 中，如果我们有结构，我们可以使用一个 for 循环来完成，并且每个单元格都包含输出。我们可以在 Python 中做这样的事情吗？

标签： pythonarrayspython-3.xnumpyfft

Answer 1

fftpack.fft默认情况下将应用于最后一个轴，但您也可以指定任何其他轴：

data_new = data.reshape(64, 128, 29)
data_fft = fftpack.fft(data_new, axis=1)

然后，如果您愿意，您可以再次重塑：data_fft.reshape(64, -1)。