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
服裝設計
法學在Python中生成拉蓋爾多項式和x, y點陣的偽範德蒙德矩陣
要生成拉蓋爾多項式的偽範德蒙德矩陣，請在Python NumPy中使用`laguerre.lagvander2d()`。該方法返回偽範德蒙德矩陣。返回矩陣的形狀為x.shape + (deg + 1,)，其中最後一個索引是相應拉蓋爾多項式的階數。dtype將與轉換後的x相同。
引數x, y返回點陣。dtype根據是否有任何元素為複數而轉換為float64或complex128。如果x是標量，則將其轉換為一維陣列。引數deg是一個最大階數列表，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 laguerre as L
使用numpy.array()方法建立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)要生成拉蓋爾多項式的偽範德蒙德矩陣，請在Python NumPy中使用`laguerre.lagvander2d()`：
x_deg, y_deg = 2, 3
print("\nResult...\n",L.lagvander2d(x,y, [x_deg, y_deg]))示例
import numpy as np
from numpy.polynomial import laguerre as L
# 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 Laguerre polynomial, use the laguerre.lagvander2d() in Python Numpy
x_deg, y_deg = 2, 3
print("\nResult...\n",L.lagvander2d(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. -2. -0.5 1. 0. -0. -0. 0. -0.5 1. 0.25 -0.5 ] [ 1. -3. 1. 2.33333333 -1. 3. -1. -2.33333333 -1. 3. -1. -2.33333333]]
更新於：2022年3月4日
84 次瀏覽
廣告