数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
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
服装学
法学使用Python生成Hermite_e多项式的伪范德蒙德矩阵，其中包含浮点型数组的点坐标
要生成Hermite多项式的伪范德蒙德矩阵，请在Python NumPy中使用hermite_e.hermevander2d()。该方法返回伪范德蒙德矩阵。参数x、y是形状相同的点坐标数组。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是最大次数的列表，形式为[x_deg, y_deg]。
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()方法创建形状相同的点坐标数组：
x = np.array([0.1, 1.4]) y = np.array([1.7, 2.8])
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([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]))输出
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]]
更新于：2022年3月7日
97次浏览
广告