data1=np.load('/home/lenovo/桌面/work/paper-zhizi/paper/npy/cp10-bx133fs.npy') data2=np.load('/home/lenovo/桌面/work/paper-zhizi/paper/npy/zhizi_cp10-bx133fs.npy') # 进行全矩阵FFT变换 nx=1333 ny=711 kx=np.fft.fftshift(np.fft.fftfreq(nx,30e-6/nx))*2*np.pi ky=np.fft.fftshift(np.fft.fftfreq(ny,16e-6/ny))*2*np.pi KX, KY = np.meshgrid(kx, ky) k = np.sqrt(KX**2 + KY**2) extent=[min(kx),max(kx),min(ky),max(ky)] print(type(KX)) print((KX.shape)) #kx, ky = np.meshgrid(kx, ky) mid1=np.fft.fft2(data1) mid1=np.fft.fftshift(mid1)所得的k空间坐标轴范围是多少

根据你提供的代码，可以看出 `KX` 和 `KY` 是通过 `np.meshgrid` 函数生成的二维数组。因此，`KX` 和 `KY` 的形状与输入的 `kx` 和 `ky` 的形状相同，即 `(ny, nx)`。

在这种情况下，根据你的代码，`kx` 和 `ky` 是通过调用 `np.fft.fftshift` 和 `np.fft.fftfreq` 函数生成的，其范围是从最小值到最大值。因此，`KX` 和 `KY` 的范围也将是一样的。

你可以通过打印 `extent` 变量来查看 `kx` 和 `ky` 的范围，即 `extent=[min(kx), max(kx), min(ky), max(ky)]`。这将显示 `kx` 和 `ky` 的最小值和最大值。

请注意，由于你的数据尺寸较大，生成 `KX` 和 `KY` 的过程可能会耗费一些时间和内存。确保你的计算资源足够支持这些操作。