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 中使用浮点数数组作为点坐标生成 Hermite 多项式的伪范德蒙德矩阵
要生成 Hermite 多项式的伪范德蒙德矩阵，可以使用 Python Numpy 中的 hermite.hermvander2d()。该方法返回伪范德蒙德矩阵。参数 x、y 是点坐标数组，所有数组都具有相同的形状。数据类型将根据元素是否为复数转换为 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() 方法创建所有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，可以使用 Python Numpy 中的 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([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 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
x_deg, y_deg = 2, 3
print("\nResult...\n",H.hermvander2d(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...
[[ 1.0000000e+00 3.4000000e+00 9.5600000e+00 1.8904000e+01
2.0000000e-01 6.8000000e-01 1.9120000e+00 3.7808000e+00
-1.9600000e+00 -6.6640000e+00 -1.8737600e+01 -3.7051840e+01]
[ 1.0000000e+00 5.6000000e+00 2.9360000e+01 1.4201600e+02
2.8000000e+00 1.5680000e+01 8.2208000e+01 3.9764480e+02
5.8400000e+00 3.2704000e+01 1.7146240e+02 8.2937344e+02]]
更新于: 2022-03-07
90 次浏览
广告