在 Python 中评估点 x 处的 Hermite_e 系列以及针对 x 的每个维度扩展的系数数组的形状
pythonnumpyserver side programmingprogramming
要在点 x 处评估 Hermite_e 系列，请使用 Python Numpy 中的 hermite.hermeval() 方法。 第一个参数 x，如果 x 是列表或元组，则将其转换为 ndarray，否则保持不变并视为标量。无论哪种情况，x 或其元素都必须支持与自身以及 c 元素的加法和乘法。
第二个参数 C，一个按顺序排列的系数数组，以便 n 次项的系数包含在 c[n] 中。如果 c 是多维的，则其余索引枚举多个多项式。在二维情况下，系数可以被认为存储在 c 的列中。
第三个参数张量，如果为 True，则系数数组的形状在右侧扩展为 1，x 的每个维度一个。标量在此操作中的维度为 0。结果是 c 中的每一列系数都针对 x 的每个元素进行评估。如果为 False，则 x 将在 c 的列上广播以进行评估。当 c 是多维时，此关键字很有用。默认值为 True。
步骤
首先，导入所需的库 −
import numpy as np from numpy.polynomial import hermite_e as H
创建系数的多维数组 −
c = np.arange(8).reshape(2,4)
显示数组 −
print("我们的数组...\n",c)
检查维度 −
print("\n我们的数组的维度...\n",c.ndim)
获取数据类型 −
print("\n我们的数组对象的数据类型...\n",c.dtype)
获取形状 −
print("\n我们的数组对象的形状...\n",c.shape)
要在点 x 处评估 Hermite_e 系列，请使用 Python Numpy 中的 hermite.hermeval() 方法 −
print("\n结果...\n",H.hermeval([1,2],c, tensor = True))
示例
import numpy as np
from numpy.polynomial import hermite_e as H
# 创建系数的多维数组
c = np.arange(8).reshape(2,4)
# 显示数组
print("我们的数组...\n",c)
# 检查维度
print("\n我们的数组的维度...\n",c.ndim)
# 获取数据类型
print("\n我们的数组对象的数据类型...\n",c.dtype)
# 获取形状
print("\n我们的数组对象的形状...\n",c.shape)
# 要在点 x 处评估 Hermite_e 系列，请使用 Python Numpy 中的 hermite.hermeval() 方法
print("\n结果...\n",H.hermeval([1,2],c, tensor = True))
输出
我们的数组... [[0 1 2 3] [4 5 6 7]] 我们的数组的维度... 2 我们的数组对象的数据类型... int64 我们的数组对象的形状... (2, 4) 结果... [[ 4. 8.] [ 6. 11.] [ 8. 14.] [10. 17.]]
