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
法學在Python中生成厄米多項式的偽範德蒙德矩陣
要生成厄米多項式的偽範德蒙德矩陣，請在Python NumPy中使用hermite.hermvander2d()。此方法返回偽範德蒙德矩陣。
引數x，y是點座標陣列，形狀相同。資料型別將根據元素是否為複數轉換為float64或complex128。標量將轉換為一維陣列。引數deg是最大次數列表，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([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)要生成厄米多項式的偽範德蒙德矩陣，請在Python NumPy中使用hermite.hermvander2d()：
x_deg, y_deg = 2, 3
print("\nResult...\n",H.hermvander2d(x,y, [x_deg, y_deg]))示例
import numpy as np
from numpy.polynomial import hermite 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 arrays
print("\nDimensions of Array1...\n",x.ndim)
print("\nDimensions of Array2...\n",y.ndim)
# Check the Shape of both the arrays
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.hermvander2d() in Python Numpy
# The method returns the pseudo-Vandermonde matrix.
x_deg, y_deg = 2, 3
print("\nResult...\n",H.hermvander2d(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...
[[1.000e+00 6.000e+00 3.400e+01 1.800e+02 2.000e+00 1.200e+01 6.800e+01
3.600e+02 2.000e+00 1.200e+01 6.800e+01 3.600e+02]
[1.000e+00 8.000e+00 6.200e+01 4.640e+02 4.000e+00 3.200e+01 2.480e+02
1.856e+03 1.400e+01 1.120e+02 8.680e+02 6.496e+03]]
更新於：2022年3月7日
89 次瀏覽
廣告