为何使用fftfreq搭配rfft的频率滤波代码可正常工作？

这个问题问得非常到位！其实核心在于实信号FFT的对称性，以及fftfreq和rfftfreq输出的内在联系，咱们一步步拆解：

1. 先搞懂三个工具的本质 #

• rfft：专门针对实信号的FFT优化，它只返回**正频率（包括0频率）**的分量。因为实信号的FFT结果是共轭对称的——负频率分量和对应的正频率分量镜像重复，所以只存一半就够了。比如你的信号长度是2000，rfft的输出长度是2000//2 +1 = 1001。
• fftfreq：生成的是完整的频率数组，包含从负频率到正频率的所有值，长度和原信号完全一致（2000个）。比如对2000点信号，它的输出前1001个是0到最大正频率，后999个是从-最大正频率到接近0的负频率。
• rfftfreq：是rfft的“官方CP”，直接生成和rfft输出长度匹配的正频率数组（1001个），不用手动截取。

2. 关键：fftfreq的前半部分 ≈ rfftfreq的全部输出 #

不管原信号长度是奇数还是偶数，fftfreq生成的数组中，前n//2 +1个元素（n是信号长度），和rfftfreq(n, d)生成的结果完全一致。

拿你的代码举例：

W = fftfreq(signal.size, d=time[1]-time[0])
# W的前1001个元素，和rfftfreq(2000, d=time[1]-time[0])的结果完全相同

所以当你用W的前半部分去对应rfft的输出时，本质上就是在操作正确的正频率分量，滤波逻辑自然能正常运行。

3. 为什么不推荐这么做？ #

虽然这段代码能工作，但它不够“规范”：

• 你需要手动截取fftfreq的前半部分，多了一步操作，也容易出错（比如不小心用了后半部分的负频率，就会完全打乱结果）。
• rfftfreq是专门为rfft设计的，代码可读性更强，别人一看就知道你在处理实信号的正频率分量，不用额外猜你截取了哪部分。

总结来说：这段代码能正常工作，是因为它间接用到了fftfreq中与rfftfreq完全一致的正频率部分——相当于“曲线救国”，但用官方配对的rfftfreq会更稳妥清晰。

内容的提问来源于stack exchange，提问作者dann