คล้ายตัวอย่างก่อนหน้า แต่ x เป็นทูเพิล (5, 10, 15) ให้ผลลัพธ์เหมือนกัน ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.array([1, 2, 3]) x = (5, 10, 15) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype of our Array object...\n, c.dt

ใช้ hermval() กับ x เป็นลิสต์ [5, 10, 15] และ係ณ [1, 2, 3] ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.array([1, 2, 3]) x = [5, 10, 15] print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype of our Array object...\n, c.dtype) print(\n

เมธอด hermite.hermval() ประเมินค่าอนุกรมเฮอร์ไมท์ที่จุด x ด้วยอาร์เรย์係ณหลายมิติ พารามิเตอร์ tensor=True (ค่าเริ่มต้น) ทำให้ทุกคอลัมน์ของ係ณถูกประเมินสำหรับทุกสมาชิกของ x ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.array([[1, 2], [3, 4]]) print(Our Array...\n, c) pri

เมธอด hermite.hermval2d() ประเมินค่าที่จุด (x, y) แบบคู่ (pairwise) ต่างจาก hermgrid2d ที่ใช้ผลคูณคาร์เทเซียน ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.arange(4).reshape(2, 2) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype

ใช้ hermgrid2d กับอาร์เรย์係ณ 2 มิติ (shape (2, 2)) ประเมินบนกริด [1,2] x [1,2] ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.arange(4).reshape(2, 2) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype of our Array object...\n, c.dty

เมธอด hermite.hermfit() หา係ณอนุกรมเฮอร์ไมท์ที่เหมาะสมที่สุดกับข้อมูลตัวอย่าง (x, y) โดยวิธี Least squares พารามิเตอร์สำคัญ: x, y: พิกัดข้อมูลตัวอย่าง deg: ดีกรีของพหุนามที่ปรับให้เหมาะสม rcond: เงื่อนไขสัมพัทธ์ของการปรับ full: หาก True จะคืนค่าข้อมูลวินิจฉัยเพิ่มเติม w: น้ำหนักของแต่ละจุดข้อมูล

เมธอด hermite.hermtrim() ลบ係ณนำหน้า (trailing coefficients) ที่มีค่าสัมบูรณ์น้อยกว่าหรือเท่ากับ tol ออกจากพหุนามเฮอร์ไมท์ ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.array([0, 5, 0, 0, 9, 0]) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) pri

เมธอด hermite.herm2poly() แปลงอนุกรมเฮอร์ไมท์กลับเป็นพหุนามมาตรฐาน (standard basis) ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.array([1, 2, 3, 4, 5]) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype of our Array object...\n, c

เมธอด hermite.poly2herm() แปลงอาร์เรย์係ณพหุนามมาตรฐาน (เรียงจากดีกรีต่ำไปสูง) เป็นอาร์เรย์係ณอนุกรมเฮอร์ไมท์ ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.array([1, 2, 3, 4, 5]) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype of

เมธอด polynomial.laguerre.lagadd() บวกอนุกรมลากูร์ร์สองอนุกรม คืนค่าอาร์เรย์แทนอนุกรมของผลรวม พารามิเตอร์ c1 และ c2 เป็นอาร์เรย์ 1 มิติของ係ณเรียงจากดีกรีต่ำไปสูง ขั้นตอน import numpy as np from numpy.polynomial import laguerre as L c1 = np.array([1, 2, 3]) c2 = np.array([3, 2, 1]) print(Array1...

ใช้ hermgrid2d กับอาร์เรย์係ณ 3 มิติ (shape (2, 2, 6)) มิติที่สามแทนชุด係ณ 6 ชุด ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.arange(24).reshape(2, 2, 6) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype of our Array object...\n, c

เมธอด hermite.hermgrid2d(x, y, c) ประเมินค่าอนุกรมเฮอร์ไมท์ 2 มิติ บนผลคูณคาร์เทเซียนของ x และ y หาก c เป็น 1 มิติ จะถูกขยายเป็น 2 มิติโดยเพิ่มมิติ 1 ด้านหน้า ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.array([3, 5]) print(Our Array...\n, c) print(\nDimensions of ou

ใช้ chebyshev.chebfromroots() สร้างอนุกรมเชบิเชฟจากรากเชิงซ้อน ผลลัพธ์จะเป็นอาร์เรย์ชนิดเชิงซ้อน ขั้นตอน from numpy.polynomial import chebyshev as C j = complex(0, 1) print(Result...\n, C.chebfromroots((-j, j))) print(\nType...\n, C.chebfromroots((-j, j)).dtype) print(\nShape...\n, C.chebfromroots

ใช้ chebroots() คำนวณรากของอนุกรมเชบิเชฟที่มีรากจริง ขั้นตอน from numpy.polynomial import chebyshev as C print(Result (roots)...\n, C.chebroots((-1, 0, 1))) print(\nType...\n, C.chebroots((-1, 0, 1)).dtype) print(\nShape...\n, C.chebroots((-1, 0, 1)).shape) ตัวอย่างโค้ดสมบูรณ์ from numpy.polynomi

เมธอด chebyshev.chebroots() คำนวณรากของพหุนามเชบิเชฟ คืนค่าอาร์เรย์ของราก หากรากทั้งหมดเป็นจริง ผลลัพธ์จะเป็นจริง มิฉะนั้นจะเป็นเชิงซ้อน การประมาณรากได้จากค่าเอกค่า (eigenvalues) ของเมทริกซ์คอมแพนियन (companion matrix) รากที่อยู่ไกลจากจุดกำเนิดอาจมีข้อผิดพลาดมาก ขั้นตอน from numpy.polynomial impor

เมธอด chebyshev.chebvander() สร้างเมทริกซ์แวนเดอร์มอนด์ (Vandermonde matrix) ของพหุนามเชบิเชฟ รูปร่างเมทริกซ์คือ x.shape + (deg + 1,) โดยดัชนีสุดท้ายคือดีกรีของพหุนามเชบิเชฟ ขั้นตอน import numpy as np from numpy.polynomial import chebyshev as C x = np.array([0, 1, -1, 2]) print(Our Array...\n, x)

เมธอด polynomial.laguerre.lagval2d() ประเมินค่าอนุกรมลากูร์ร์ 2 มิติ ที่จุด (x, y) โดย x และ y ต้องมีรูปร่างเท่ากัน พารามิเตอร์ c เป็นอาร์เรย์係ณที่ c[i,j] เก็บ係ณของพจน์ multidegree i,j ขั้นตอน import numpy as np from numpy.polynomial import laguerre as L c = np.array([[1, 2], [3, 4]]) print(Our A

ใช้ hermder() กับพารามิเตอร์ scl=-1 เพื่อคูณ -1 ในแต่ละการหาอนุพันธ์ ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.array([1, 2, 3, 4]) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim) print(\nDatatype of our Array object...\n, c.dtype) print(\nSh

เมธอด laguerre.lagder() หาอนุพันธ์ของอนุกรมลากูร์ร์ พร้อมคูณสเกลาร์ scl ในแต่ละรอบ พารามิเตอร์: c: อาร์เรย์係ณลากูร์ร์ m: ลำดับอนุพันธ์ (ค่าเริ่มต้น 1) scl: ตัวคูณสเกลาร์ (ค่าเริ่มต้น 1) axis: แกนที่หาอนุพันธ์ (ค่าเริ่มต้น 0) ขั้นตอน import numpy as np from numpy.polynomial import laguerre as L

ใช้ hermgrid3d กับอาร์เรย์係ณ 3 มิติ (shape (2, 2, 4)) ซึ่งมิติแรกและสองสอดคล้องกับดีกรี x,y และมิติที่สามสอดคล้องกับดีกรี z ขั้นตอน import numpy as np from numpy.polynomial import hermite as H c = np.arange(16).reshape(2, 2, 4) print(Our Array...\n, c) print(\nDimensions of our Array...\n, c.ndim)