如何在X处评估多项式和系数的形状 NumPy数组为每个维度进行扩展
在这篇文章中,我们将讨论如何在点x处评估多项式,以及在Python中为x的每个维度扩展的系数阵列的形状。
示例:
Input:
matrix([[7, 6],[2, 3]])
输出:
[[ 9. 11.] [ 9. 12.]]
我们使用polynomial.polyval()函数来评估Python NumPy中位置x的多项式。
语法: numpy.polyval(p, x)
参数 :
- p :[array_like or poly1D] 多项式系数按照幂的递减顺序给出。如果第二个参数(根)被设置为True,那么数组值就是多项式方程的根。
- x : [array_like or poly1D] 一个数字,一个数字阵列,用于评估’p’。
返回:多项式的评估值。
如果第三个参数,即 “张量 “为True,那么系数数组 “Arr “的形状将在右边扩展,x的每一维都有一个。对于这个动作,标量是没有维度的。因此,x的每个元素被评估为’Arr’中的每一列系数。如果是假的,对于评估来说,x是在’Arr’的各列中传播的。当’Arr’是多维的时候,这个术语就派上用场了。True是默认状态。
实现步骤
第1步:导入NumPy
import numpy as np
from numpy.polynomial.polynomial import polyval
步骤2:现在我们必须创建一个多维的系数数组’Arr’,如下图所示。
Arr = np.arange(4).reshape(2,2)
第3步:为了在x点评估多项式,我们使用Python Numpy中的polynomial.polyval()函数。
print("Result : \n",polyval([1,2], Arr, tensor=True))
例子1 :
# importing necessary libraries
import numpy as np
from numpy.polynomial.polynomial import polyval
# Create a multidimensional array 'Arr'
# of coefficients
Arr = np.matrix([[7,6],[2,3]])
# To evaluate a polynomial at points x,
# we use the polynomial.polyval()
# function in Python Numpy
print(polyval([1,2], Arr, tensor=True))
输出 :
[[ 9. 11.]
[ 9. 12.]]
例子2 :
# import polyval library from numpy
from numpy.polynomial.polynomial import polyval
# create a multidimensional array or matrix
Arr = [[7, 6], [2, 3]]
# evaluate polynomial at points x using
# polyval function
print(polyval([1, 2], Arr, tensor=True))
输出 :
[[ 9. 11.]
[ 9. 12.]]