使用Python中的NumPy在x点评估Hermite级数,当系数为多维的时候

使用Python中的NumPy在x点评估Hermite级数,当系数为多维的时候

在这篇文章中,我们将介绍如何使用NumPy在Python中用一个多维系数数组对x点的Hermite数列进行评估。

示例

输入 : [[11 12][13 14]]
输出 : [[37. 63.][40. 68.]]
解释 : 在点x处的Hermite数列。

NumPy.polynomial.hermite.hermval 方法

为了在x点评估一个多维系数数组的Hermite数列,NumPy提供了一个名为hermite.hermval()的函数。它需要两个参数x和c。而x是一个元组或列表。它被认为是一个标量。但是,参数x应该支持在自身内部以及与c的元素的乘法和加法。如果c是一个一维数组,那么它的形状将与x相同。如果c是多维的,那么结果的形状取决于张量的值。

语法 : polynomial.hermite.hermval(x,c, tensor)

参数 :

  • x: array_like
  • c:系数的数组
  • tensor: boolean(optional).

返回:在x点的Hermite数列。

示例1

在第一个例子中,让我们考虑一个二维数组,并在x点评估一个Hermite数列。导入必要的包并传递适当的参数,如图所示。

import numpy as np
from numpy.polynomial import hermite
 
# coefficient array
c = np.array([[11, 12], [13, 14]])
 
print(f'The coefficient array is {c}')
print(f'The shape of the array is {c.shape}')
print(f'The dimension of the array is {c.ndim}D')
print(f'The datatype of the array is {c.dtype}')
 
# evaluating multidimensal array of hermiteseries
res = hermite.hermval([1, 2], c)
 
# resultant array
print(f'Resultant series ---> {res}')

输出:

The coefficient array is 
[[11 12]
 [13 14]]

The shape of the array is (2, 2)
The dimension of the array is 2D
The datatype of the array is int32

Resultant series ---> 
[[37. 63.]
 [40. 68.]]

示例2

在第二个例子中,让我们考虑一个三维数组,并在x点评估一个Hermite数列。导入必要的包并传递适当的参数,如图所示

import numpy as np
from numpy.polynomial import hermite
 
# coefficient array
c = np.arange(27).reshape(3, 3, 3)
 
print(f'The coefficient array is {c}')
print(f'The shape of the array is {c.shape}')
print(f'The dimension of the array is {c.ndim}D')
print(f'The datatype of the array is {c.dtype}')
 
# evaluating multidimensal array of hermiteseries
res = hermite.hermval([17, 22], c)
 
# resultant array
print(f'Resultant series ---> {res}')

输出:

The coefficient array is 
[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]]

 [[ 9 10 11]
  [12 13 14]
  [15 16 17]]

 [[18 19 20]
  [21 22 23]
  [24 25 26]]]

The shape of the array is (3, 3, 3)
The dimension of the array is 3D
The datatype of the array is int32

Resultant series ---> 
[[[21078. 35208.]
  [22267. 37187.]
  [23456. 39166.]]

 [[24645. 41145.]
  [25834. 43124.]
  [27023. 45103.]]

 [[28212. 47082.]
  [29401. 49061.]
  [30590. 51040.]]]

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Numpy 多项式