我试图对一组数据使用 np.fft.ifft 执行傅里叶逆变换，但我对如何创建适当的域感到困惑。我做了一个关于 np.fft.fft 的示例，它将函数从时域转换为（角）频率，这是我构建的域：
t = np.arange(-N,N)*dt # time domain
df = 1/(2*N*dt)
w = np.arange(-N,N)*df*2*np.pi # angular frequency domain
我在这里乘以 2pi 的原因是因为我认为 Python 给了我 f 和 w = 2*pi*f 的输出，并且一切正常。但是，当我针对不同的物理问题从 k 域到 r 域进行 ifft 时，我感到很困惑（我假设这里的 k 是波数，而 r 可能是径向距离）：
r = np.arange(-N,N)*dr # (radial) distance domain
dk = 1/(2*N*dk)
k = np.arange(-N,N)*dk # wave number domian
在这里，我没有将 k 与 2*np.pi 相乘，因为我们没有 w 和 f 那样的关系，但是我得到了错误的结果，显然如果我确实将 k 乘以 2pi，就像我对 w 所做的那样，那么我有正确的结果. 有人可以解释吗？
（我能想到在其中获得 2pi 的唯一原因是关系 k = 2pi/lambda，但它并不真正适合）