数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究在 Python 中生成 Hermite_e 多项式的伪范德蒙德矩阵
要生成 Hermite_e 多项式的伪范德蒙德矩阵，请在 Python NumPy 中使用 hermite_e.hermevander2d()。此方法返回伪范德蒙德矩阵。参数 x 和 y 是点坐标数组，都具有相同的形状。数据类型将根据是否存在复数元素转换为 float64 或 complex128。标量将转换为一维数组。参数 deg 是形式为 [x_deg, y_deg] 的最大次数列表。
步骤
首先，导入所需的库 -
import numpy as np from numpy.polynomial import hermite as H
使用 numpy.array() 方法创建具有相同形状的点坐标数组 -
x = np.array([1, 2]) y = np.array([3, 4])
显示数组 -
print("Array1...\n",x)
print("\nArray2...\n",y)显示数据类型 -
print("\nArray1 datatype...\n",x.dtype)
print("\nArray2 datatype...\n",y.dtype)检查两个数组的维度 -
print("\nDimensions of Array1...\n",x.ndim)
print("\nDimensions of Array2...\n",y.ndim)检查两个数组的形状 -
print("\nShape of Array1...\n",x.shape)
print("\nShape of Array2...\n",y.shape)要生成 Hermite_e 多项式的伪范德蒙德矩阵，请在 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]))输出
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.]]
更新于： 2022年3月7日
139 次查看
广告