傅里叶变换计算遇TypeError：无法将复数转浮点数，求解决方案

问题根源 #

1. np.vectorize默认输出类型不匹配：get_x_FT返回的是复数，但np.vectorize默认推断输出类型为float，尝试将复数转换为float时触发TypeError: Cannot convert complex to float。
2. 潜在的函数类型冲突：x函数中使用了sy.sin（推测是sympy的正弦函数），但后续处理的是numpy数值数组，sympy函数与numpy数组混合使用可能引发额外的类型不兼容问题。

解决方法 #

1. 指定np.vectorize的输出类型 #

调用np.vectorize时，通过otypes参数明确指定输出为复数类型，避免类型转换错误：

f = np.linspace(-4, 4, 100)
x_FT = np.vectorize(get_x_FT, otypes=[np.complex128])(x, f, k=2)

2. 替换sympy函数为numpy函数 #

将x函数中的sy.sin改为np.sin，确保函数与numpy数值计算完全兼容：

def x(t, k):
    return np.exp(-k * t**2) * np.sin(k*t) * t**4

完整修正代码 #

import numpy as np
from scipy.integrate import quad

def x(t, k):
    return np.exp(-k * t**2) * np.sin(k*t) * t**4

def get_x_FT(x, f, k):
    x_FT_integrand_real = lambda t: np.real(x(t, k)*np.exp(-2*np.pi*1j*f*t))
    x_FT_integrand_comp = lambda t: np.imag(x(t, k)*np.exp(-2*np.pi*1j*f*t))
    x_FT_real = quad(x_FT_integrand_real, -np.inf, np.inf)[0]
    x_FT_comp = quad(x_FT_integrand_comp, -np.inf, np.inf)[0]
    return x_FT_real + 1j*x_FT_comp

f = np.linspace(-4, 4, 100)
x_FT = np.vectorize(get_x_FT, otypes=[np.complex128])(x, f, k=2)

内容的提问来源于stack exchange，提问作者dvv