NumPy 教程

NumPy 首页 NumPy 简介 NumPy 环境

数组

NumPy Ndarray 对象 NumPy 数据类型

创建和操作数组

NumPy 数组创建例程 NumPy 数组操作 NumPy 基于现有数据创建数组 NumPy 基于数值范围创建数组 NumPy 数组迭代 NumPy 重塑数组 NumPy 连接数组 NumPy 堆叠数组 NumPy 拆分数组 NumPy 展平数组 NumPy 转置数组

索引与切片

NumPy 索引 &切片 NumPy 索引 NumPy 切片 NumPy 高级索引 NumPy 高级索引 NumPy 字段访问 NumPy 使用布尔数组切片

数组属性与操作

NumPy 数组属性 NumPy 数组形状 NumPy 数组大小 NumPy 数组步长 NumPy 数组元素大小 NumPy 广播 NumPy 算术运算 NumPy 数组加法 NumPy 数组减法 NumPy 数组乘法 NumPy 数组除法

高级数组运算

NumPy 交换数组的轴 NumPy 字节交换 NumPy 副本和视图 NumPy 逐元素数组比较 NumPy 过滤数组 NumPy 连接数组 NumPy 排序、搜索& 计数函数 NumPy 搜索数组 NumPy 数组并集 NumPy 查找唯一行 NumPy 创建日期时间数组 NumPy 二元运算符 NumPy 字符串函数 NumPy 矩阵库 NumPy 线性代数 NumPy Matplotlib NumPy 使用 Matplotlib 绘制直方图

排序和高级操作

NumPy 数组排序 NumPy 沿轴排序 NumPy 使用花式索引进行排序 NumPy 结构化数组 NumPy 创建结构化数组 NumPy 操作结构化数组 NumPy 记录数组 NumPy 加载数组 NumPy 保存数组 NumPy 将值附加到数组 NumPy 交换列数组 NumPy 将轴插入数组

处理缺失数据

NumPy 处理缺失数据 NumPy 识别缺失值 NumPy 移除缺失数据 NumPy 插补缺失值数据

性能优化

NumPy 使用数组进行性能优化

线性代数

NumPy 线性代数 NumPy 矩阵库 NumPy 矩阵加法 NumPy 矩阵减法 NumPy 矩阵乘法 NumPy 逐元素矩阵运算 NumPy 点积 NumPy 矩阵求逆 NumPy 行列式计算 NumPy 特征值 NumPy 特征向量 NumPy 奇异值分解 NumPy 求解线性方程 NumPy 矩阵范数

元素级矩阵运算

NumPy 总和 NumPy 平均值 NumPy 中位数 NumPy 最小值 NumPy 最大值

集合运算

NumPy 唯一元素 NumPy 交集 NumPy 并集 NumPy 差集

随机数生成

NumPy 随机数生成器 NumPy 排列和重排 NumPy 均匀分布 NumPy 正态分布 NumPy 二项分布 NumPy 泊松分布 NumPy 指数分布 NumPy 瑞利分布 NumPy 逻辑分布 NumPy 帕累托分布 NumPy 使用 Seaborn 可视化分布 NumPy 多项分布 NumPy 卡方分布 NumPy Zipf 分布

文件输入 &输出

NumPy 使用 NumPy 进行 I/O NumPy 从文件读取数据 NumPy 将数据写入文件 NumPy 支持的文件格式

数学函数

NumPy 数学函数 NumPy 三角函数 NumPy 指数函数 NumPy 对数函数 NumPy 双曲函数 NumPy 舍入函数

傅里叶变换

NumPy 离散傅里叶变换 (DFT) NumPy 快速傅里叶变换 (FFT) NumPy 逆傅里叶变换 NumPy 傅里叶级数和变换 NumPy 信号处理应用 NumPy 卷积

多项式

NumPy 多项式表示 NumPy 多项式运算 NumPy 求多项式的根 NumPy 求多项式的根

统计

NumPy 统计函数 NumPy 描述性统计

日期时间函数

NumPy 日期和时间基础知识 NumPy 表示日期和时间 NumPy 日期和时间运算 NumPy 使用日期时间进行索引 NumPy 时区处理 NumPy 时间序列分析 NumPy 处理时间增量 NumPy 闰秒处理 NumPy 矢量化日期时间运算

ufunc

NumPy ufunc 简介 NumPy 创建通用函数 (ufunc) NumPy 算术通用函数 (ufunc) NumPy 小数舍入 ufunc NumPy 对数通用函数(ufunc) NumPy 求和通用函数 (ufunc) NumPy 乘积通用函数 (ufunc) NumPy 差分通用函数 (ufunc) NumPy 寻找最小公倍数 (LCM) NumPy 寻找最大公约数 (GCD) NumPy 三角函数 (ufunc) NumPy 双曲线 (ufunc) NumPy 集合运算(ufunc)

实用资源

NumPy 快速指南 NumPy 备忘单


NumPy - 计算多项式

在 NumPy 中计算多项式

在 NumPy 中计算多项式意味着计算多项式在特定点的值。您可以使用 NumPy 中的 numpy.polyval() 函数来实现这一点。

多项式由其系数定义,从最高次项开始,到常数项结束。该函数在给定 x 值处计算多项式,并且可以同时处理多个 x 值,并返回相应的结果。

numpy.polyval() 函数

numpy.polyval() 函数针对给定的 x 值(或值数组)计算多项式。它接受两个参数:多项式的系数和多项式求值的点。

多项式以其系数表示,从最高幂项开始,到常数项结束。

示例:在单点求多项式的值

考虑多项式 f(x) = 2x - 3x + 4。我们可以计算 x = 2 处的多项式 −

import numpy as np

# 定义多项式 2x - 3x + 4 的系数
coefficients = np.array([2, -3, 4])

# 使用 numpy.polyval 计算 x = 2 处的多项式
x_value = 2
result = np.polyval(coefficients, x_value)

print(f"x = {x_value} 处的多项式值: {result}")

计算 x = 2 处的多项式的结果为 −

x = 2 处的多项式值:6

计算多项式在多个点处

除了在单点处求多项式的值外,numpy.polyval() 函数还可以同时在多个点处求多项式的值。该函数接受一个包含 x 值的数组,并返回一个包含相应结果的数组。

示例

让我们在多个 x 值处求同一个多项式 f(x) = 2x - 3x + 4 的值 -

import numpy as np

# 定义多项式 2x - 3x + 4 的系数
coefficients = np.array([2, -3, 4])

# 定义要求值的 x 值
x_values = np.array([-1, 0, 1, 2])

# 使用 numpy.polyval 在多个点求多项式的值
results = np.polyval(coefficients, x_values)

print("多项式在 x = [-1, 0, 1, 2] 处的值:", results)

在给定点求多项式的结果如下所示 -

多项式在 x = [-1, 0, 1, 2] 处的值:[9 4 3 6]

用复数求多项式的值根

即使多项式有复数根或系数,numpy.polyval() 函数仍然可以正确计算该多项式。如果结果涉及复数运算,该函数将返回复数。

示例

考虑多项式 f(x) = (2 + 3i)x + (1 - 2i)x + (4 + i)。我们可以像下面这样在 x = 1 + i 处求该多项式的值 -

import numpy as np

# 用复数定义多项式的系数
coefficients_complex = np.array([2 + 3j, 1 - 2j, 4 + 1j])

# 定义要求值的 x 值
x_value_complex = 1 + 1j

# 使用 numpy.polyval 在 x = 1 + 1j 处求多项式的值
result_complex = np.polyval(coefficients_complex, x_value_complex)

print(f"Value of the complex polynomial at x = {x_value_complex}: {result_complex}")

对复系数多项式求值的结果是 −

Value of the complex polynomial at x = (1+1j): (1+4j)

曲线绘制的多项式求值

在曲线绘制中,通常使用在 x 值范围内求多项式的值,例如绘制多项式函数的图形时。可以通过将 x 值数组传递给 numpy.polyval() 函数并绘制结果值来实现。

示例:绘制多项式曲线

让我们在 x = -5x = 5 − 的范围内绘制多项式 f(x) = 2x - 3x + 4

import numpy as np
import matplotlib.pyplot as plt

# 定义多项式 2x - 3x + 4 的系数
coefficients = np.array([2, -3, 4])

# 定义 x 值的范围
x_values_plot = np.linspace(-5, 5, 100)

# 使用 numpy.polyval 计算 x 值处的多项式
y_values_plot = np.polyval(coefficients, x_values_plot)

# 绘制多项式曲线
plt.plot(x_values_plot, y_values_plot, label='f(x) = 2x - 3x + 4')
plt.xlabel('x')
plt.ylabel('f(x)')
plt.title('Polynomial Curve Plot')
plt.legend()
plt.grid(True)
plt.show()

显示的输出如下所示 -

Polynomial Evaluation