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
服装设计
法学在Python中生成拉盖尔多项式和x, y点阵的伪范德蒙德矩阵
要生成拉盖尔多项式的伪范德蒙德矩阵，请在Python NumPy中使用`laguerre.lagvander2d()`。该方法返回伪范德蒙德矩阵。返回矩阵的形状为x.shape + (deg + 1,)，其中最后一个索引是相应拉盖尔多项式的阶数。dtype将与转换后的x相同。
参数x, y返回点阵。dtype根据是否有任何元素为复数而转换为float64或complex128。如果x是标量，则将其转换为一维数组。参数deg是一个最大阶数列表，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 laguerre as L
使用numpy.array()方法创建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)要生成拉盖尔多项式的伪范德蒙德矩阵，请在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]))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. -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]]
更新于：2022年3月4日
84 次浏览
广告