使用 Python 中的点坐标浮点数组生成给定度的伪范德蒙矩阵
pythonnumpyserver side programmingprogramming
要生成给定度的伪范德蒙矩阵，请使用 Python Numpy 中的 polynomial.polyvander2()。该方法返回度数 deg 和样本点 (x, y) 的伪范德蒙矩阵。
参数 x 和 y 是点坐标的数组，所有数组的形状都相同。dtype 将转换为 float64 或 complex128，具体取决于是否有任何元素是复数。标量将转换为一维数组。参数 deg 是 [x_deg, y_deg] 形式的最大度数列表。
步骤
首先，导入所需的库 −
import numpy as np from numpy.polynomial.polynomial import polyvander2d
使用 numpy.array() 方法 − 创建点坐标数组，所有数组的形状相同
x = np.array([0.1, 1.4]) y = np.array([1.7, 2.8])
显示数组 −
print("Array1...\n",x)
print("\nArray2...\n",y)
显示数据类型 −
print("\nArray1 datatype...\n",x.dtype)
print("\nArray2 datatype...\n",y.dtype)
检查两个数组的维度 −
print("\nDimensions of Array1...\n",x.ndim)
print("\nDimensions of Array2...\n",y.ndim)
检查两个数组的形状 −
print("\nShape of Array1...\n",x.shape)
print("\nShape of Array2...\n",y.shape)
要生成给定次数的伪范德蒙矩阵，请使用 polynomial.polyvander2() −
x_deg, y_deg = 2, 3
print("\n结果...\n",polyvander2d(x,y, [x_deg, y_deg]))
示例
import numpy as np
from numpy.polynomial.polynomial import polyvander2d
# 创建点坐标数组，所有使用 numpy.array() 方法获得相同的形状
x = np.array([0.1, 1.4])
y = np.array([1.7, 2.8])
# 显示数组
print("Array1...\n",x)
print("\nArray2...\n",y)
# 显示数据类型
print("\nArray1 datatype...\n",x.dtype)
print("\nArray2 datatype...\n",y.dtype)
# 检查两个数组的维度
print("\nDimensions of Array1...\n",x.ndim)
print("\nDimensions of Array2...\n",y.ndim)
# 检查两个数组的形状
print("\nShape of Array1...\n",x.shape)
print("\nShape of Array2...\n",y.shape)
# 要生成给定度数的伪范德蒙矩阵，请使用 Python Numpy 中的 polynomial.polyvander2()
# 该方法返回度数为 deg 的伪范德蒙矩阵和样本点 (x, y)。
x_deg, y_deg = 2, 3
print("\n结果...\n",polyvander2d(x,y, [x_deg, y_deg]))
输出
Array1... [0.1 1.4] Array2... [1.7 2.8] Array1 datatype... float64 Array2 datatype... float64 Dimensions of Array1... 1 Dimensions of Array2... 1 Shape of Array1... (2,) Shape of Array2... (2,) 结果... [[1.000000e+00 1.700000e+00 2.890000e+00 4.913000e+00 1.000000e-01 1.700000e-01 2.890000e-01 4.913000e-01 1.000000e-02 1.700000e-02 2.890000e-02 4.913000e-02] [1.000000e+00 2.800000e+00 7.840000e+00 2.195200e+01 1.400000e+00 3.920000e+00 1.097600e+01 3.073280e+01 1.960000e+00 5.488000e+00 1.536640e+01 4.302592e+01]]
