在Python中对具有多维系数的切比雪夫级数进行微分

在这篇文章中，我们将介绍如何在Python中使用NumPy对多维系数的切比雪夫级数进行微分。

示例

输入:[[1 2 3 4 5]

[3 4 2 6 7]]

输出： [[3.4.2.6.7.]]

解释：切比雪夫系列的导数。

chebyshev.chebder 方法

为了在x点用多维系数数组评估切比雪夫数列，NumPy提供了一个名为chebyshev.chebder（）的函数。这个方法用于生成切比雪夫数列，这个方法在Python的NumPy模块中可用，它返回一个多维的系数数组，下面是切比雪夫方法的语法。

语法 : chebyshev.chebder(x, m, axis)

参数：

x:数组
m:所取的导数数量，必须为非负数。(默认：1)
axis: 获取导数的轴。(默认值: 1).

返回：切比雪夫级数。

示例 1:

在这个例子中，我们正在创建一个5×2的系数多维数组，并且，显示一个数组的形状和尺寸。另外，我们正在使用chebyshev.chebder()方法对切比雪夫级数进行微分。

# import the numpy module
import numpy
  
# import chebyshev
from numpy.polynomial import chebyshev
  
# create array of coefficients with 5 elements each
coefficients_data = numpy.array([[1, 2, 3, 4, 5],
                                 [3, 4, 2, 6, 7]])
  
# Display the coefficients
print(coefficients_data)
  
# get the shape
print(f"\nShape of an array: {coefficients_data.shape}")
  
# get the dimensions
print(f"Dimension: {coefficients_data.ndim}")
  
# using  chebyshev.chebder() method to differentiate
# a chebyshev series.
print("\nChebyshev series", chebyshev.chebder(coefficients_data))

输出:

[[1 2 3 4 5]
 [3 4 2 6 7]]

Shape of an array: (2, 5)
Dimension: 2

Chebyshev series [[3. 4. 2. 6. 7.]]

示例 2:

在这个例子中，我们正在创建一个5×3的系数多维数组，并且，显示数组的形状和尺寸。另外，我们使用的是导数的数量=2，取导数的轴是1。

# import the numpy module
import numpy
  
# import chebyshev
from numpy.polynomial import chebyshev
  
# create array of coefficients with 5 elements each
coefficients_data = numpy.array(
    [[1, 2, 3, 4, 5], [3, 4, 2, 6, 7], [43, 45, 2, 6, 7]])
  
# Display the coefficients
print(coefficients_data)
  
# get the shape
print(f"\nShape of an array: {coefficients_data.shape}")
  
# get the dimensions
print(f"Dimension: {coefficients_data.ndim}")
  
# using  chebyshev.chebder() method to differentiate a 
# chebyshev series.
print("\nChebyshev series", chebyshev.chebder(coefficients_data,
                                              m=2, axis=1))

输出:

[[ 1  2  3  4  5]
 [ 3  4  2  6  7]
 [43 45  2  6  7]]

Shape of an array: (3, 5)
Dimension: 2

Chebyshev series [[172.  96. 240.]
 [232. 144. 336.]
 [232. 144. 336.]]