資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
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
服裝學
法學使用Python生成Hermite_e多項式的偽範德蒙德矩陣，其中包含浮點型陣列的點座標
要生成Hermite多項式的偽範德蒙德矩陣，請在Python NumPy中使用hermite_e.hermevander2d()。該方法返回偽範德蒙德矩陣。引數x、y是形狀相同的點座標陣列。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是最大次數的列表，形式為[x_deg, y_deg]。
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()方法建立形狀相同的點座標陣列：
x = np.array([0.1, 1.4]) y = np.array([1.7, 2.8])
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([0.1, 1.4])
y = np.array([1.7, 2.8])
# 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 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...
[0.1 1.4]
Array2...
[1.7 2.8]
Array1 datatype...
float64
Array2 datatype...
float64
Dimensions of Array1...
1
Dimensions of Array2...
1
Shape of Array1...
(2,)
Shape of Array2...
(2,)
Result...
[[ 1.000000e+00 1.700000e+00 1.890000e+00 -1.870000e-01 1.000000e-01
1.700000e-01 1.890000e-01 -1.870000e-02 -9.900000e-01 -1.683000e+00
-1.871100e+00 1.851300e-01]
[ 1.000000e+00 2.800000e+00 6.840000e+00 1.355200e+01 1.400000e+00
3.920000e+00 9.576000e+00 1.897280e+01 9.600000e-01 2.688000e+00
6.566400e+00 1.300992e+01]]
更新於：2022年3月7日
97次瀏覽
廣告