資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究在 Python 中生成 Hermite_e 多項式的偽範德蒙德矩陣
要生成 Hermite_e 多項式的偽範德蒙德矩陣，請在 Python NumPy 中使用 hermite_e.hermevander2d()。此方法返回偽範德蒙德矩陣。引數 x 和 y 是點座標陣列，都具有相同的形狀。資料型別將根據是否存在複數元素轉換為 float64 或 complex128。標量將轉換為一維陣列。引數 deg 是形式為 [x_deg, y_deg] 的最大次數列表。
步驟
首先，匯入所需的庫 -
import numpy as np from numpy.polynomial import hermite as H
使用 numpy.array() 方法建立具有相同形狀的點座標陣列 -
x = np.array([1, 2]) y = np.array([3, 4])
顯示陣列 -
print("Array1...\n",x)
print("\nArray2...\n",y)顯示資料型別 -
print("\nArray1 datatype...\n",x.dtype)
print("\nArray2 datatype...\n",y.dtype)檢查兩個陣列的維度 -
print("\nDimensions of Array1...\n",x.ndim)
print("\nDimensions of Array2...\n",y.ndim)檢查兩個陣列的形狀 -
print("\nShape of Array1...\n",x.shape)
print("\nShape of Array2...\n",y.shape)要生成 Hermite_e 多項式的偽範德蒙德矩陣，請在 Python NumPy 中使用 hermite_e.hermevander2d() -
x_deg, y_deg = 2, 3
print("\nResult...\n",H.hermevander2d(x,y, [x_deg, y_deg]))示例
import numpy as np
from numpy.polynomial import hermite_e as H
# Create arrays of point coordinates, all of the same shape using the numpy.array() method
x = np.array([1, 2])
y = np.array([3, 4])
# Display the arrays
print("Array1...\n",x)
print("\nArray2...\n",y)
# Display the datatype
print("\nArray1 datatype...\n",x.dtype)
print("\nArray2 datatype...\n",y.dtype)
# Check the Dimensions of both the array
print("\nDimensions of Array1...\n",x.ndim)
print("\nDimensions of Array2...\n",y.ndim)
# Check the Shape of both the array
print("\nShape of Array1...\n",x.shape)
print("\nShape of Array2...\n",y.shape)
# To generate a pseudo Vandermonde matrix of the Hermite_e polynomial, use the hermite_e.hermevander2d() in Python Numpy
x_deg, y_deg = 2, 3
print("\nResult...\n",H.hermevander2d(x,y, [x_deg, y_deg]))輸出
Array1... [1 2] Array2... [3 4] Array1 datatype... int64 Array2 datatype... int64 Dimensions of Array1... 1 Dimensions of Array2... 1 Shape of Array1... (2,) Shape of Array2... (2,) Result... [[ 1. 3. 8. 18. 1. 3. 8. 18. 0. 0. 0. 0.] [ 1. 4. 15. 52. 2. 8. 30. 104. 3. 12. 45. 156.]]
更新於： 2022年3月7日
139 次檢視
廣告