4

我有一个复数向量(FFT 的结果),我想通过另一个向量中的因子仅缩放复数的实部。

例子

cplxarr= np.array([1+2j, 3+1j, 7-2j])
factarr= np.array([.5, .6, .2])
# desired result of cplxarr * factarr :
# np.array([.5+2j 1.8+1j 1.4-2j])

(是的,这是关于人类听觉频率响应在一个非常特定的设置。)
显然,与上述向量的乘法也缩放了虚部。

我该如何设置factarr以及我必须执行哪些操作才能达到预期的结果?如果可能的话,也就是说,无需分离实部和虚部,缩放实部并重新组装为新的复数向量。

4

1 回答 1

8

这会做到:

>>> factarr*cplxarr.real + (1j)*cplxarr.imag
array([ 0.5+2.j,  1.8+1.j,  1.4-2.j])

不确定这是否是最好的方法。


事实证明,至少对我来说(OS-X 10.5.8,python 2.7.3,numpy 1.6.2)这个版本大约是另一个版本的两倍,它使用np.vectorize

>>> from timeit import timeit
>>> timeit('factarr*cplxarr.real+(1j)*cplxarr.imag',setup='from __main__ import factarr,cplxarr')
21.008132934570312
>>> timeit('f(cplxarr.real * factarr, cplxarr.imag)',setup='from __main__ import factarr,cplxarr; import numpy as np; f=np.vectorize(np.complex)')
46.52931499481201

np.complexpython使用和complex提供之间似乎没有太大区别:

>>> timeit('f(cplxarr.real * factarr, cplxarr.imag)',setup='from __main__ import  factarr,cplxarr; import numpy as np; f=np.vectorize(complex)')
44.87726283073425

时序表中的当前领导者(由 eryksun 在下面的评论中提出)

>>> timeit.timeit('a = cplxarr.copy(); a.real *= factarr ',setup='from __main__ import factarr,cplxarr')
8.336654901504517

并证明它有效:

>>> a = cplxarr.copy()
>>> a.real *= factarr 
>>> a
array([ 0.5+2.j,  1.8+1.j,  1.4-2.j])

如果您想就地执行操作,这显然会更快(因此可以关闭副本)。

于 2012-11-26T14:44:02.673 回答