在Python中评估Hermite数列在点x上广播的系数的列

在这篇文章中，我们将着眼于在Python和NumPy中，在点x广播的系数列上评估Hermite数列的方法。

示例:

Array: [1,2,3,4,5],[6,7,8,9,10]]

结果：[73.100.131.166.205.]

解释一下：赫尔墨特级数在点x上广播的列

Numpy np.hermeval()方法

为了在一个元组的点x广播在系数的列上评估一个Hermite数列，用户需要调用Python中Numpy库的hermite.hermval()方法。此外，用户需要向函数传递第一个参数，即x，其中x是一个列表或元组，第二个参数是C，是一个系数数组，第三个参数是tensor，如果是True，系数数组的形状在右边用1扩展，x的每个维度都是一个。

语法： np.hermeval(x, series,tensor)

参数：

• x：列表或元组
• series：系数数组
• tensor：如果是True，系数数组的形状会在右边扩展，x的每一维都有一个。

返回：返回已评估的赫米特数列。

示例:

在这个例子中，我们创建了一个由10个数据点组成的二维数组，并进一步创建了一个名为x的元组，然后通过使用hermite.hermeval()方法，我们在张量设置为false的情况下传递所需的参数，以评估Python中的列上的点x广播的Hermite系列。

import numpy as np
from numpy.polynomial import hermite
  
a = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]])
  
# Dimensions of Array
print("\nDimensions of Array:\n", a.ndim)
  
# Shape of the array
print("\nShape of Array:\n", a.shape)
  
# Tuple
x = [6, 7, 8, 9, 10]
  
# To evaluate a Hermite series at 
# points x broadcast over the columns
hermite.hermval(x, a, tensor=False)

输出:

Dimensions of Array:
 2

Shape of Array:
 (2, 5)

array([ 73., 100., 131., 166., 205.])

示例:

在这个例子中，我们创建了一个由10个数据点组成的二维数组，并进一步创建了一个名为x的元组，然后通过使用hermite.hermeval()方法，我们在张量设置为真的情况下传递所需的参数，以评估Python中的列上x点广播的赫米特级数。

import numpy as np
from numpy.polynomial import hermite 
  
a = np.array([[1,2,3,4,5],[6,7,8,9,10]])
  
# Dimensions of Array
print("\nDimensions of Array:\n",a.ndim)
  
# Shape of the array
print("\nShape of Array:\n",a.shape)
  
# Tuple
x = [6,7,8,9,10]
  
# To evaluate a Hermite series at
# points x broadcast over the columns
hermite.hermval(x,a,tensor=True)

输出:

Dimensions of Array:
 2

Shape of Array:
 (2, 5)

array([[ 73.,  85.,  97., 109., 121.],
       [ 86., 100., 114., 128., 142.],
       [ 99., 115., 131., 147., 163.],
       [112., 130., 148., 166., 184.],
       [125., 145., 165., 185., 205.]])