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 中使用厄米特多項式生成偽範德蒙德矩陣，並使用複數陣列表示點座標
要生成厄米特多項式的偽範德蒙德矩陣，可以使用 Python Numpy 中的 `hermite.hermvander2d()` 函式。該方法返回偽範德蒙德矩陣。引數 `x` 和 `y` 是點座標陣列，它們具有相同的形狀。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` 是最大次數的列表，格式為 `[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()` 方法建立具有相同形狀的點座標陣列：
x = np.array([-2.+2.j, -1.+2.j]) y = np.array([1.+2.j, 2.+2.j])
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)要生成厄米特多項式的偽範德蒙德矩陣，可以使用 Python Numpy 中的 `hermite.hermvander2d()` 函式。該方法返回偽範德蒙德矩陣：
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([-2.+2.j, -1.+2.j])
y = np.array([1.+2.j, 2.+2.j])
# 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.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... [-2.+2.j -1.+2.j] Array2... [1.+2.j 2.+2.j] Array1 datatype... complex128 Array2 datatype... complex128 Dimensions of Array1... 1 Dimensions of Array2... 1 Shape of Array1... (2,) Shape of Array2... (2,) Result... [[ 1.000e+00 +0.j 2.000e+00 +4.j -1.400e+01 +16.j -1.000e+02 -40.j -4.000e+00 +4.j -2.400e+01 -8.j -8.000e+00 -120.j 5.600e+02 -240.j -2.000e+00 -32.j 1.240e+02 -72.j 5.400e+02 +416.j -1.080e+03 +3280.j] [ 1.000e+00 +0.j 4.000e+00 +4.j -2.000e+00 +32.j -1.520e+02 +104.j -2.000e+00 +4.j -2.400e+01 +8.j -1.240e+02 -72.j -1.120e+02 -816.j -1.400e+01 -16.j 8.000e+00 -120.j 5.400e+02 -416.j 3.792e+03 +976.j]]
更新於: 2022-03-03
102 次檢視
廣告