การไล่ระดับสีคำนวณโดยใช้ความแตกต่างจากศูนย์กลางที่แม่นยำลำดับที่สองในจุดภายใน และความแตกต่างด้านเดียว (ไปข้างหน้าหรือข้างหลัง) ที่ถูกต้องลำดับที่หนึ่งหรือสองที่ขอบเขต การไล่ระดับสีที่ส่งคืนจึงมีรูปร่างเหมือนกันกับอาร์เรย์อินพุต พารามิเตอร์ที่ 1 f คือ Ndimensionalarray ที่มีตัวอย่างของฟังก์ชันสเกลาร์

ในการตรวจสอบว่าข้อมูลประเภทเดียวกันที่มีขนาดต่างกันไม่ใช่ประเภทย่อยของกันและกันหรือไม่ ให้ใช้วิธี thenumpy.issubdtype() ใน Python Numpy พารามิเตอร์คือ dtype หรือ object coercible toone ขั้นตอน ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import numpy as np ใช้เมธอด issubdtype() ใน Nump เพื่อตรวจสอบประเภทข้อมู

# หากต้องการตรวจสอบว่าชนิดข้อมูล int ที่มีขนาดต่างกันไม่ใช่ประเภทย่อยของกันและกันหรือไม่ ให้ใช้วิธี thenumpy.issubdtype() ใน Python Numpy # พารามิเตอร์เป็น dtype หรืออ็อบเจกต์ที่บังคับได้ ขั้นตอน ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import numpy as np การใช้เมธอด issubdtype() ใน Numpy กำลังตรวจสอบประ

ในการตรวจสอบว่าประเภทข้อมูล float ที่มีขนาดต่างกันนั้นไม่ใช่ประเภทย่อยของกันและกันหรือไม่ ให้ใช้วิธี thenumpy.issubdtype() ใน Python Numpy พารามิเตอร์คือ dtype หรือ object coercible toone ขั้นตอน ขั้นแรก นำเข้าไลบรารีที่จำเป็น - import numpy as np การใช้เมธอด issubdtype() ใน Numpy การตรวจสอบประเภท

ในการพิจารณาว่าประเภทในอาร์กิวเมนต์แรกเป็นคลาสย่อยของวินาทีหรือไม่ ให้ใช้เมธอด numpy.issubsctype() ใน Python numpy อาร์กิวเมนต์ที่ 1 และ 2 เป็นประเภทข้อมูล ขั้นตอน ขั้นแรก นำเข้าไลบรารีที่จำเป็น - นำเข้า numpy เป็น np การใช้เมธอด issubsctype() ใน Numpy ตรวจสอบว่าอาร์กิวเมนต์แรกเป็นคลาสย่อยของอาร์ก

ในการรับผลิตภัณฑ์ Kronecker ของอาร์เรย์มิติ 4 มิติและ 3 มิติ ให้ใช้เมธอด numpy.kron() ใน Python Numpy คำนวณผลิตภัณฑ์ Kronecker ซึ่งเป็นคอมโพสิตอาร์เรย์ที่ทำจากบล็อกของอาร์เรย์ที่สองที่ปรับขนาดตามตัวแรก ฟังก์ชันจะถือว่าจำนวนมิติของ a และ b เท่ากัน หากจำเป็น ให้นำส่วนที่เล็กที่สุดไว้ข้างหน้า ถ้า a.sh

ในการส่งคืนการสลายตัวของ Cholesky ให้ใช้เมธอด numpy.linalg.cholesky() ส่งกลับการสลายตัวของ Cholesky, L * L.H, ของเมทริกซ์สี่เหลี่ยมจัตุรัส a โดยที่ L คือรูปสามเหลี่ยมล่างและ .H คือโอเปอเรเตอร์ทรานสโพสคอนจูเกต ต้องเป็น Hermitian และแน่นอนในเชิงบวก ไม่มีการตรวจสอบเพื่อตรวจสอบว่า a เป็น Hermitian หรือไ

ในการคำนวณค่าลักษณะเฉพาะของเมทริกซ์สมมาตรแบบ Hermitian เชิงซ้อนหรือสมมาตรจริง ให้ใช้เมธอด numpy.eigvalsh() วิธีการส่งกลับค่าลักษณะเฉพาะในลำดับจากน้อยไปมาก โดยแต่ละรายการจะทำซ้ำตามหลายหลาก พารามิเตอร์ตัวที่ 1 a คือเมทริกซ์ค่าเชิงซ้อนหรือค่าจริงที่มีการคำนวณค่าลักษณะเฉพาะ พารามิเตอร์ตัวที่ 2 UPLO ระบ

หากต้องการคืนค่านอร์มของเมทริกซ์หรือเวกเตอร์ในพีชคณิตเชิงเส้น ให้ใช้เมธอด LA.norm() ใน Python Numpy พารามิเตอร์ที่ 1 x คืออาร์เรย์อินพุต ถ้าแกนคือไม่มี x ต้องเป็น 1-D หรือ 2-D เว้นแต่ ord จะเป็น None ถ้าทั้ง axis และ ord เป็น None ค่า 2 norm ของ x.ravel จะถูกส่งกลับ พารามิเตอร์ตัวที่ 2 ord คือลำดับข

ในการคำนวณหมายเลขเงื่อนไขของเมทริกซ์ในพีชคณิตเชิงเส้น ให้ใช้วิธี numpy.linalg.cond() ใน Python วิธีนี้สามารถคืนค่าหมายเลขเงื่อนไขโดยใช้หนึ่งในเจ็ดบรรทัดฐานที่แตกต่างกัน ขึ้นอยู่กับค่าของ p ส่งกลับหมายเลขเงื่อนไขของเมทริกซ์ อาจไม่มีที่สิ้นสุด จำนวนเงื่อนไขของ x ถูกกำหนดให้เป็นบรรทัดฐานของ x คูณบรรทั

หากต้องการคืนค่าส่วนที่แท้จริงของอาร์กิวเมนต์ที่ซับซ้อน ให้ใช้เมธอด numpy.real() เมธอดส่งคืนองค์ประกอบจริงของอาร์กิวเมนต์ที่ซับซ้อน ถ้า val เป็นค่าจริง ชนิดของ val จะถูกใช้สำหรับเอาต์พุต หาก val มีองค์ประกอบที่ซับซ้อน ประเภทที่ส่งคืนจะเป็นแบบลอย พารามิเตอร์ที่ 1 val คืออาร์เรย์อินพุต นอกจากนี้เรายัง

ในการคำนวณผลต่างที่ไม่ต่อเนื่องลำดับที่ n ให้ใช้วิธีการ numpy.diff() ความแตกต่างแรกถูกกำหนดโดย out[i] =a[i+1] - a[i] ตามแกนที่กำหนด ความแตกต่างที่สูงขึ้นจะคำนวณโดยใช้ diff แบบเรียกซ้ำ พารามิเตอร์ที่ 1 คืออาร์เรย์อินพุต พารามิเตอร์ตัวที่ 2 คือ n นั่นคือจำนวนครั้งที่ค่าต่างกัน หากเป็นศูนย์ อินพุตจะถูก

การไล่ระดับสีคำนวณโดยใช้ความแตกต่างจากศูนย์กลางที่แม่นยำลำดับที่สองในจุดภายใน และความแตกต่างด้านเดียว (ไปข้างหน้าหรือข้างหลัง) ที่ถูกต้องลำดับที่หนึ่งหรือสองที่ขอบเขต การไล่ระดับสีที่ส่งคืนจึงมีรูปร่างเหมือนกันกับอาร์เรย์อินพุต พารามิเตอร์ที่ 1 f คือ Ndimensionalarray ที่มีตัวอย่างของฟังก์ชันสเกลาร์

ในการสร้างเมทริกซ์ Vandermonde หลอกของพหุนามเฮอร์ไมต์และจุดตัวอย่าง x, y, z ให้ใช้ hermite.hermvander3d() ใน Python Numpy เมธอดจะคืนค่า pseudo-Vandermondematrix พารามิเตอร์ x, y, z คืออาร์เรย์ของพิกัดจุด ซึ่งมีรูปร่างเหมือนกันทั้งหมด dtypes จะถูกแปลงเป็น float64 หรือ complex128 ขึ้นอยู่กับว่าองค์ประ

ในการส่งคืนเมทริกซ์ที่แสดงร่วมที่ปรับขนาดของอาร์เรย์ 1-D ของสัมประสิทธิ์พหุนาม ให้ส่งคืนเมธอด thehermite.hermcompanion() ใน Python Numpy พหุนามพื้นฐานถูกปรับขนาดเพื่อให้เมทริกซ์คู่หูสมมาตรเมื่อ c เป็นพหุนามฐานเฮอร์ไมต์ สิ่งนี้ให้ค่าประมาณค่าลักษณะเฉพาะที่ดีกว่ากรณีที่ไม่ได้มาตราส่วน และสำหรับพหุนามพ

ในการคำนวณผลคูณของเวกเตอร์สองตัว ให้ใช้เมธอด numpy.cross() ใน Python Numpy เมธอดส่งคืน c ซึ่งเป็นผลิตภัณฑ์ข้าม Vector พารามิเตอร์ที่ 1 คือ a ส่วนประกอบของเวกเตอร์แรก พารามิเตอร์ตัวที่ 2 คือ b ซึ่งเป็นองค์ประกอบของเวกเตอร์ที่สอง พารามิเตอร์ตัวที่ 3 คือ axisa ซึ่งเป็นแกนของ a ที่กำหนดเวกเตอร์ โดยค่าเร

ในการรวมเข้ากับแกนที่กำหนดโดยใช้กฎสี่เหลี่ยมคางหมูแบบผสม ให้ใช้เมธอด numpy.trapz() หากระบุ x การผสานจะเกิดขึ้นตามลำดับองค์ประกอบ - จะไม่ถูกจัดเรียง เมธอดจะคืนค่าอินทิกรัลที่แน่นอนของอาร์เรย์ y =n มิติตามแกนเดียวโดยประมาณโดยกฎสี่เหลี่ยมคางหมู ถ้า y เป็นอาร์เรย์ 1 มิติ ผลลัพธ์จะเป็นค่าทศนิยม ถ้า n มาก

ในการรวมเข้ากับแกนที่กำหนดโดยใช้กฎสี่เหลี่ยมคางหมูแบบผสม ให้ใช้เมธอด numpy.trapz() หากระบุ x การผสานจะเกิดขึ้นตามลำดับองค์ประกอบ - จะไม่ถูกจัดเรียง เมธอดจะคืนค่าอินทิกรัลที่แน่นอนของอาร์เรย์ y =n มิติตามแกนเดียวโดยประมาณโดยกฎสี่เหลี่ยมคางหมู หาก y เป็นอาร์เรย์ 1 มิติ ผลลัพธ์จะเป็นค่าทศนิยม หาก n มาก

ในการส่งคืนคำอธิบายสำหรับรหัสประเภทข้อมูลที่กำหนด ให้ใช้เมธอด typename() ใน Python Numpy.NumPy นำเสนอฟังก์ชันทางคณิตศาสตร์ที่ครอบคลุม ตัวสร้างตัวเลขสุ่ม พีชคณิตเชิงเส้น การแปลงฟูริเยร์ และอื่นๆ รองรับฮาร์ดแวร์และแพลตฟอร์มการประมวลผลที่หลากหลาย และทำงานได้ดีกับไลบรารีแบบกระจาย, GPU และแบบกระจัดกระจาย

หากต้องการส่งคืนการแสดงสตริงของสเกลาร์ dtype ให้ใช้เมธอด sctype2char() ใน PythonNumpy อาร์กิวเมนต์ที่ 1 หากเป็น dtype สเกลาร์ อักขระสตริงที่เกี่ยวข้องจะถูกส่งคืน หากเป็นอ็อบเจกต์ sctype2char จะพยายามอนุมานประเภทสเกลาร์ จากนั้นส่งคืนอักขระสตริงที่เกี่ยวข้อง ขั้นตอน ขั้นแรก นำเข้าไลบรารีที่จำเป็น - i