应用numpy FFT操作时出现数组数据布局（步长）意外变化问题咨询

核心原因 #

numpy 1.17版本之后，官方将np.fft模块的底层实现从旧的FFTPACK替换为了pocketFFT库，该库的核心优化点之一就是优先保障计算过程的内存访问效率：

• 你构造的输入数组是标准C顺序（行优先）的连续数组，strides=(400, 8)说明行方向是慢变轴、列方向是快变轴
• 当你指定沿axis=0（行方向，慢变轴）做FFT时，pocketFFT为了让每次参与1D FFT计算的数列在内存中尽可能连续，会自动调整输出数组的内存布局，计算完成后输出的数组为非连续布局，因此会出现和输入shape一致但strides完全不同的情况
• scipy.fftpack.fft的底层仍然沿用传统FFTPACK实现，该实现不会做这类内存布局优化，无论输入布局如何都会输出和输入内存布局一致的结果，因此strides符合预期。

补充说明 #

该现象是pocketFFT的性能优化策略，不属于numpy的bug，也不会影响计算结果的数值正确性：逻辑上通过索引访问output数组得到的结果和scipy FFT的输出完全一致，差异仅存在于底层内存存储顺序。

替代解决方案 #

除了切换到scipy的fftpack之外，你也可以通过以下方式得到符合预期布局的数组：

• 对FFT输出做连续内存转换：output = np.ascontiguousarray(np.fft.fft(input, axis=0))，转换开销极低，不会影响整体计算效率
• 若你使用的numpy版本 >=1.25，也可以在调用np.fft.fft时指定out参数为预先分配好的、符合你需要布局的数组，直接写入结果即可。

内容的提问来源于stack exchange，提问作者Andreas Hadjigeorgiou