Является ли позднее синоним первого, или они являются двумя различными реализациями БПФ? Какой из них лучше?
В чем разница между numpy.fft и scipy.fftpack?
Ответ 1
SciPy делает больше:
- http://docs.scipy.org/doc/numpy/reference/routines.fft.html
- http://docs.scipy.org/doc/scipy/reference/fftpack.html#
Кроме того, SciPy экспортирует некоторые функции NumPy через собственный интерфейс, например, если вы выполняете scipy.fftpack.helper.fftfreq и numpy.fft.helper.fftfreq, вы фактически используете тот же код.
Однако SciPy имеет свои собственные реализации с большой функциональностью. Источник имеет тесты производительности, которые сравнивают исходные версии NumPy и новые версии SciPy. Мой архаичный ноутбук показывает что-то вроде этого:
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)
Кажется, что SciPy работает значительно быстрее по мере увеличения размера массива, хотя это просто надуманные примеры, и стоило бы поэкспериментировать с обоими для вашего конкретного проекта.
Стоит проверить исходный код http://www.scipy.org/Download#head-312ad78cdf85a9ca6fa17a266752069d23f785d1. Да, эти файлы .f действительно являются Fortran!:-D
Ответ 2
Я обнаружил, что numpy 2D fft был значительно быстрее, чем scipy, но FFTW был быстрее, чем оба (с использованием привязок PyFFTW). Тесты производительности приведены здесь: code.google.com/p/agpy/source/browse/trunk/tests/test_ffts.py
И результаты (для массивов n x n):
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
Ответ 3
Глядя на репозитории github для каждого, scipy не просто импортирует версию numpy и переименовывает ее (хотя она и заимствует некоторые функции). Вам придется копаться в коде, если вы хотите различить разницу в реализациях, поскольку документация не дает прямого сравнения.