Computer >> บทช่วยสอนคอมพิวเตอร์ >  >> การเขียนโปรแกรม >> Python
Python
  1. ประเมินอนุกรมเลจันเดอร์ 2 มิติ ที่จุด (x, y) ด้วยอาร์เรย์สัมประสิทธิ์ 1 มิติ ใน Python

    บทนำ เพื่อประเมินอนุกรมเลจันเดอร์ (Legendre series) 2 มิติ ที่จุด x, y เราสามารถใช้เมธอด polynomial.legendre.legval2d() ใน NumPy เมธอดนี้จะส่งคืนค่าของอนุกรมเลจันเดอร์ 2 มิติ ที่จุดที่สร้างจากคู่ของค่าที่สอดคล้องกันจาก x และ y พารามิเตอร์ x, y: อนุกรม 2 มิติจะถูกประเมินที่จุด (x, y) โดยที่ x และ y

  2. สร้างเมทริกซ์แบบヴァンเดอร์มอนด์疑似 ของอนุกรมเฮอร์ไมท์_e ด้วยอาร์เรย์จุดซ้อนใน Python

    บทนำ เพื่อสร้างเมทริกซ์แบบヴァンเดอร์มอนด์疑似 (pseudo Vandermonde matrix) ของอนุกรมเฮอร์ไมท์_e (Hermite_e polynomial) เราสามารถใช้เมธอด hermite_e.hermevander2d() ใน NumPy เมธอดนี้จะส่งคืนเมทริกซ์แบบヴァンเดอร์มอนด์疑似 พารามิเตอร์หลักมีดังนี้: x, y: อาร์เรย์ของพิกัดจุด ทุกอาร์เรย์ต้องมีรูปทรงเหมือนกัน ชนิดข

  3. สร้างเมทริกซ์แบบヴァンเดอร์มอนด์疑似 ของอนุกรมเฮอร์ไมท์_e และจุดตัวอย่าง x, y, z ใน Python

    บทนำ เพื่อสร้างเมทริกซ์แบบヴァンเดอร์มอนด์疑似 (pseudo Vandermonde matrix) ของอนุกรมเฮอร์ไมท์_e (Hermite_e polynomial) และจุดตัวอย่าง x, y, z เราสามารถใช้เมธอด hermite.hermevander3d() ใน NumPy เมธอดนี้จะส่งคืนเมทริกซ์แบบヴァンเดอร์มอนด์疑似 พารามิเตอร์หลักมีดังนี้: x, y, z: อาร์เรย์ของพิกัดจุด ทุกอาร์เรย์ต้อ

  4. ประเมินอนุกรมเลจันเดอร์ 2 มิติ บนผลคูณการ์ทีเซียนของ x และ y ด้วยอาร์เรย์สัมประสิทธิ์ 3 มิติ ใน Python

    บทนำ เพื่อประเมินอนุกรมเลจันเดอร์ (Legendre series) 2 มิติ บนผลคูณการ์ทีเซียน (Cartesian product) ของ x และ y เราสามารถใช้เมธอด polynomial.legendre.leggrid2d() ใน NumPy เมธอดนี้จะส่งคืนค่าของอนุกรมเชบิเชฟ (Chebyshev) 2 มิติ ที่จุดต่างๆ ในผลคูณการ์ทีเซียนของ x และ y หาก c มีขนาดน้อยกว่า 2 มิติ จะมีกา

  5. ประเมินอนุกรมเลจันเดอร์ 2 มิติ บนผลคูณการ์ทีเซียนของ x และ y ด้วยอาร์เรย์สัมประสิทธิ์ 1 มิติ ใน Python

    บทนำ เพื่อประเมินอนุกรมเลจันเดอร์ (Legendre series) 2 มิติ บนผลคูณการ์ทีเซียน (Cartesian product) ของ x และ y เราสามารถใช้เมธอด polynomial.legendre.leggrid2d() ใน NumPy เมธอดนี้จะส่งคืนค่าของอนุกรมเชบิเชฟ (Chebyshev) 2 มิติ ที่จุดต่างๆ ในผลคูณการ์ทีเซียนของ x และ y หาก c มีขนาดน้อยกว่า 2 มิติ จะมีกา

  6. แปลงอนุกรมเลจันเดอร์เป็นพหุนามใน Python

    บทนำ เพื่อแปลงอนุกรมเลจันเดอร์ (Legendre series) เป็นพหุนาม (polynomial) เราสามารถใช้เมธอด legendre.leg2poly() ใน NumPy เมธอดนี้จะแปลงอาร์เรย์ที่แสดงสัมประสิทธิ์ของอนุกรมเลจันเดอร์ ซึ่งจัดเรียงจากดีกรีต่ำสุดไปสูงสุด ให้กลายเป็นอาร์เรย์ของสัมประสิทธิ์พหุนามที่เทียบเท่า (ตามฐาน มาตรฐาน) ซึ่งจัดเรียงจา

  7. สร้างเมทริกซ์แบบヴァンเดอร์มอนด์疑似 ของอนุกรมเฮอร์ไมท์_e ใน Python

    บทนำ เพื่อสร้างเมทริกซ์แบบヴァンเดอร์มอนด์疑似 (pseudo Vandermonde matrix) ของอนุกรมเฮอร์ไมท์_e (Hermite_e polynomial) เราสามารถใช้เมธอด hermite_e.hermevander2d() ใน NumPy เมธอดนี้จะส่งคืนเมทริกซ์แบบヴァンเดอร์มอนด์疑似 พารามิเตอร์หลักมีดังนี้: x, y: อาร์เรย์ของพิกัดจุด ทุกอาร์เรย์ต้องมีรูปทรงเหมือนกัน ชนิดข

  8. สร้างเมทริกซ์แบบヴァンเดอร์มอนด์疑似 ของอนุกรมเฮอร์ไมท์_e ด้วยอาร์เรย์จุดทศนิยมใน Python

    บทนำ เพื่อสร้างเมทริกซ์แบบヴァンเดอร์มอนด์疑似 (pseudo Vandermonde matrix) ของอนุกรมเฮอร์ไมท์_e (Hermite_e polynomial) เราสามารถใช้เมธอด hermite_e.hermevander2d() ใน NumPy เมธอดนี้จะส่งคืนเมทริกซ์แบบヴァンเดอร์มอนด์疑似 พารามิเตอร์หลักมีดังนี้: x, y: อาร์เรย์ของพิกัดจุด ทุกอาร์เรย์ต้องมีรูปทรงเหมือนกัน ชนิดข

  9. หาค่าอนุพันธ์ของอนุกรมเฮอร์ไมท์_e ตั้งค่าอนุพันธ์และคูณด้วยสเกลาร์ใน Python

    บทนำ เพื่อหาค่าอนุพันธ์ (differentiate) ของอนุกรมเฮอร์ไมท์_e (Hermite_e series) เราสามารถใช้เมธอด hermite_e.hermeder() ใน Python เมธอดนี้รับพารามิเตอร์หลักๆ ดังนี้: c: อาร์เรย์ของสัมประสิทธิ์อนุกรมเฮอร์ไมท์_e หาก c เป็นมัลติมิติ แกนต่างๆ จะสอดคล้องกับตัวแปรต่างๆ โดยดีกรีในแต่ละแกนกำหนดโดยดัชนีที่สอ

  10. หาค่าอินทิกรลของอนุกรมเฮอร์ไมท์_e ใน Python

    บทนำ เพื่อหาค่าอินทิกรล (integrate) ของอนุกรมเฮอร์ไมท์_e (Hermite_e series) เราสามารถใช้เมธอด hermite_e.hermeint() ใน Python เมธอดนี้รับพารามิเตอร์หลักๆ ดังนี้: c: อาร์เรย์ของสัมประสิทธิ์อนุกรมเฮอร์ไมท์_e หาก c เป็นมัลติมิติ แกนต่างๆ จะสอดคล้องกับตัวแปรต่างๆ โดยดีกรีในแต่ละแกนกำหนดโดยดัชนีที่สอดคล้

  11. ประเมินอนุกรมเลจันเดอร์ 3 มิติ บนผลคูณการ์ทีเซียนของ x, y และ z ใน Python

    บทนำ เพื่อประเมินอนุกรมเลจันเดอร์ (Legendre series) 3 มิติ บนผลคูณการ์ทีเซียน (Cartesian product) ของ x, y และ z เราสามารถใช้เมธอด polynomial.legendre.leggrid3d() ในไลบรารี NumPy ของ Python เมธอดนี้จะส่งคืนค่าของอนุกรมเชบิเชฟ (Chebyshev) 3 มิติ ที่จุดต่างๆ ในผลคูณการ์ทีเซียนของ x, y และ z หากอาร์เรย

  12. ประเมินอนุกรมเลจันเดอร์ 3 มิติ บนผลคูณการ์ทีเซียนของ x, y และ z ด้วยอาร์เรย์สัมประสิทธิ์ 4 มิติ ใน Python

    บทนำ เพื่อประเมินอนุกรมเลจันเดอร์ (Legendre series) 3 มิติ บนผลคูณการ์ทีเซียน (Cartesian product) ของ x, y และ z เราสามารถใช้เมธอด polynomial.legendre.leggrid3d() ในไลบรารี NumPy ของ Python เมธอดนี้จะส่งคืนค่าของอนุกรมเชบิเชฟ (Chebyshev) 3 มิติ ที่จุดต่างๆ ในผลคูณการ์ทีเซียนของ x, y และ z หากอาร์เรย

  13. ประเมินอนุกรม Legendre ที่ลิสต์จุด x ใน Python

    บทนำ เมธอด legendre.legval() รองรับ x เป็นลิสต์ Python แปลงเป็น ndarray อัตโนมัติ ตัวอย่าง: x = [5, 10, 15] import numpy as np from numpy.polynomial import legendre as L c = np.array([1, 2, 3]) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype of our Array obj

  14. ประเมินอนุกรม Legendre 2 มิติ ที่จุด (x, y) ใน Python

    บทนำ เมธอด legendre.legval2d() ประเมินอนุกรม Legendre 2 มิติ ที่จุด (x, y) ด้วยสัมประสิทธิ์ 2 มิติ ตัวอย่าง: สัมประสิทธิ์ 2 มิติ [[3,4],[5,6]] import numpy as np from numpy.polynomial import legendre as L c = np.array([[3, 4], [5, 6]]) print(Our Array...\n, c) print(\nDimensions of our Array...\n,

  15. ประเมินอนุกรม Legendre 2 มิติ ที่จุด (x,y) สัมประสิทธิ์ 3D ใน Python

    บทนำ เมธอด legendre.legval2d() ประเมินอนุกรม Legendre 2 มิติ ที่จุด (x, y) รองรับสัมประสิทธิ์ 3 มิติ (หลายชุด) ตัวอย่าง: สัมประสิทธิ์ 3 มิติ (2,2,6) import numpy as np from numpy.polynomial import legendre as L c = np.arange(24).reshape(2, 2, 6) print(Our Array...\n, c) print(\nDimensions of our A

  16. การหารจำนวนเต็ม (Integer Division) ของ pandas Series ด้วยลิสต์ Python

    บทนำ การหารจำนวนเต็ม (floor division) สามารถนำไปใช้กับ pandas Series กับลำดับข้อมูล Python อื่นๆ เช่น ลิสต์หรือทูเพิล ได้โดยใช้เมธอด floordiv() เมธอด floordiv() ใช้สำหรับการหารจำนวนเต็มแบบ element-wise ระหว่าง Series กับ Series, สเกลาร์ หรือ object แบบลิสต์ ตัวอย่างที่ 1: การหารพื้นฐาน import pand

  17. ประเมินอนุกรม Hermite_e 3 มิติ ที่ Cartesian product x,y,z สัมประสิทธิ์ 2D ใน Python

    บทนำ เมธอด hermite_e.hermegrid3d() ประเมินอนุกรม Hermite_e 3 มิติ ที่ผลคูณการ์ทีเซียนของ x, y, z ด้วยสัมประสิทธิ์ 2 มิติ ตัวอย่าง: สัมประสิทธิ์ 2 มิติ (2,2) import numpy as np from numpy.polynomial import hermite_e as H c = np.arange(4).reshape(2, 2) print(Our Array...\n, c) print(\nDimensions of

  18. ประเมินอนุกรม Legendre 3 มิติ ที่ Cartesian product x,y,z สัมประสิทธิ์ 2D ใน Python

    บทนำ เมธอด legendre.leggrid3d() ประเมินอนุกรม Legendre 3 มิติ ที่ผลคูณการ์ทีเซียนของ x, y, z ด้วยสัมประสิทธิ์ 2 มิติ ตัวอย่าง: สัมประสิทธิ์ 2 มิติ (2,2) import numpy as np from numpy.polynomial import legendre as L c = np.arange(4).reshape(2, 2) print(Our Array...\n, c) print(\nDimensions of our A

  19. หาอนุพันธ์อนุกรม Legendre ใน Python

    บทนำ เมธอด legendre.legder() หาอนุพันธ์ของอนุกรม Legendre ด้วยค่าเริ่มต้น m=1, scl=1 ตัวอย่าง: อนุพันธ์ 1 ครั้ง import numpy as np from numpy.polynomial import legendre as L c = np.array([1, 2, 3, 4]) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype of our Ar

  20. ประเมินอนุกรม Hermite_e ที่ทูเพิลจุด x ใน Python

    บทนำ เมธอด hermite_e.hermeval() รองรับ x เป็นทูเพิล (tuple) แปลงเป็น ndarray อัตโนมัติเหมือนลิสต์ ตัวอย่าง: x เป็นทูเพิล (5, 10, 15) import numpy as np from numpy.polynomial import hermite_e as H c = np.array([1, 2, 3]) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\

Total 9001 -คอมพิวเตอร์  FirstPage PreviousPage NextPage LastPage CurrentPage:438/451  20-คอมพิวเตอร์/Page Goto:1 432 433 434 435 436 437 438 439 440 441 442 443 444