在Python中使用3D系数数组对x和y的Cartesian乘积上评估2D Chebyshev级数

要在x和y的Cartesian乘积上评估2D Chebyshev级数，请使用Python中的polynomial.chebgrid2d(x, y, c)方法。该方法返回Cartesian乘积中点的二维Chebyshev级数值。

如果c的维数少于两个，则隐含地将其形状添加为2-D。结果的形状将是c.shape [2：]+x.shape+y.shape。参数x和y是在Cartesian乘积中评估二维系列的点。如果x或y是列表或元组，则首先将其转换为ndarray，否则将保持不变，如果它不是ndarray，则将其视为标量。

参数c是系数数组，其顺序使多重度i，j的项的系数包含在c [i，j]中。如果c的维数大于2，则其余指数枚举多个系数集。

步骤

首先，导入所需的库−

导入numpy as np
从numpy.polynomial导入chebyshev as C

创建一个3D系数数组 –

c = np.arange（24）.reshape（2,2,6）

显示数组 –

print("我们的数组...\n", c)

检查维度 –

print("\n我们数组的尺寸...\n", c.ndim)

获取数据类型 –

print("\n我们数组对象的数据类型...\n", c.dtype)

获取形状 –

print("\n我们数组对象的形状...\n", c.shape)

要在x和y的Cartesian乘积上评估2D Chebyshev级数，请使用Python中的polynomial.chebgrid2d(x, y, c)方法 –

print("\n结果...\n", C.chebgrid2d([1,2],[1,2], c))

例

导入numpy as np
从numpy.polynomial导入chebyshev as C

#创建一个3D系数数组
c = np.arange(24).reshape(2,2,6)

#显示数组
print("我们的数组...\n", c)

#检查维度
print("\n我们数组的尺寸...\n", c.ndim)

#获取数据类型
print("\n我们数组对象的数据类型...\n", c.dtype)

#获取形状
print("\n我们数组对象的形状...\n", c.shape)

#要在x和y的Cartesian乘积上评估2D Chebyshev级数，请使用Python中的polynomial.chebgrid2d(x, y, c)方法
print("\n结果...\n", C.chebgrid2d([1,2],[1,2], c))

输出

我们的数组...
   [[[ 0 1 2 3 4 5]
   [ 6 7 8 9 10 11]]

   [[12 13 14 15 16 17]
   [18 19 20 21 22 23]]]

我们数组的尺寸...
3

我们数组对象的数据类型...
int64

我们数组对象的形状...
(2,2,6)

结果...
   [[[ 36. 60.]
   [ 66. 108.]]

   [[ 40. 66.]
   [ 72. 117.]]

   [[ 44. 72.]
   [ 78. 126.]]

   [ 48.  78.]
 [ 84. 135.]]

 [[ 52.  84.]
 [ 90. 144.]]

 [[ 56.  90.]
 [ 96. 153.]]]