在Python中使用NumPy对0轴上的Legendre系列进行积分
在这篇文章中,我们将介绍如何使用Python中的NumPy对轴0上的Legendre系列进行积分。
polynomial.legendre.legint 方法
NumPy库中的polynomial.legendre.legint()方法用于在python中对0轴上的Legendre数列进行积分。所得数列乘以scl,在每次迭代中加入积分常数k。缩放系数是为了在线性变量变化中使用。参数c是一个沿每个轴从低到高的系数数组,例如,[4,3,1]表示系列4。如果轴=0是x,轴=1是y,[[2,1],[2,1]]象征2L 0(x)L 0(y) + 2L 1(x)L 0(y) + 1L 0(x)L 1(y) + 1L 1(x)L 1(y)+ 1*L
语法: polynomial.legendre.legint(c, m=1, scl=1, axis=0)
参数:
- c:类似数组的对象。
- m: int, 可选值。积分顺序必须是正数。标准值为1。
- axis: 可选值,int。计算积分的轴。默认值为0。
返回:积分的Legendre级数系数阵列。
示例 1:
在这里,我们将创建一个NumPy数组并使用polynomial.legendre.legint()在python中对轴0上的Legendre数列进行积分。数组的形状由.shape属性决定,数组的维度由.ndim属性决定,数组的数据类型由.type属性决定。即使我们不指定,默认情况下轴也被设置为’0’。
# import packages
import numpy as np
from numpy.polynomial import legendre as L
# array of coefficients
array1 = np.array([1,2,3,4,5])
print(array1)
# shape of the array is
print("Shape of array1 is: ", array1.shape)
# dimension of the array
print("The dimension of array1 is: ", array1.ndim)
# datatype of the array
print("Datatype of Array1 is: ", array1.dtype)
# adding two hermite series along axis =0
print('Integrating the legendre series : ')
print(L.legint(array1,axis=0))
输出:
[1 2 3 4 5]
Shape of array1 is: (5,)
The dimension of array1 is: 1
Datatype of Array1 is: int64
Integrating the legendre series :
[-0.16666667 0.4 0.0952381 0.04444444 0.57142857 0.55555556]
示例 2:
在这个例子中,我们指定 axis =1,表示我们是按照列进行整合。
# import packages
import numpy as np
from numpy.polynomial import legendre as L
# array of coefficients
array1 = np.array([[1,2,3,4,5],[6,7,8,9,10]])
print(array1)
# shape of the array is
print("Shape of array1 is: ", array1.shape)
# dimension of the array
print("The dimension of array1 is: ", array1.ndim)
# datatype of the array
print("Datatype of Array1 is: ", array1.dtype)
# adding two hermite series
print('Integrating the legendre series : ')
print(L.legint(array1,axis=1))
输出:
[[ 1 2 3 4 5]
[ 6 7 8 9 10]]
Shape of array1 is: (2, 5)
The dimension of array1 is: 2
Datatype of Array1 is: int64
Integrating the legendre series :
[[-0.16666667 0.4 0.0952381 0.04444444 0.57142857 0.55555556]
[ 0.04166667 4.4 1.04761905 0.48888889 1.28571429 1.11111111]]