为numpy数组提供高效的for循环。

Question

数据文件我有一个大小为[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)。所以对于一列来说，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)

现在我必须对所有的数据应用相同的，因此 "for循环 "为所有的列，并计算fft分离。我似乎想不出一个有效的方法来做到这一点，我的for循环如下所示

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循环来得到64×128矩阵一个一个地应用fft。在MATLAB中，如果我们有结构，我们可以用一个for循环来做，每个单元格都包含输出。我们可以在Python中做这样的事情吗？

Answer 1

fftpack.fft 默认情况下会应用于最后一个轴，但你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)

如果你愿意的话，你可以再次重塑形状。data_fft.reshape(64, -1).