विवरण numpy.polynomial.chebyshev.chebvander() फंक्शन 1D चेबिशेव बहुपद (पहली तरह) का वैंडरमोंड मैट्रिक्स उत्पन्न करता है। आउटपुट मैट्रिक्स का आकार x.shape + (deg + 1,) होता है। पैरामीटर्स x - बिंदुओं का ऐरे। float64 या complex128 में परिवर्तित। deg - परिणामी मैट्रिक्स की डिग्री। चरण impor

विवरण numpy.polynomial.chebyshev.chebvander2d() फंक्शन चेबिशेव बहुपद का 2D छद्म वैंडरमोंड मैट्रिक्स उत्पन्न करता है। यह पूर्णांक निर्देशांकों के साथ समान रूप से काम करता है। चरण import numpy as np from numpy.polynomial import chebyshev as C # बिंदु निर्देशांक ऐरे बनाएं x = np.array([1, 2]) y = np.

विवरण numpy.polynomial.polynomial.polyint() फंक्शन बहुपद का समाकलन करता है। scl पैरामीटर प्रत्येक समाकलन के बाद परिणाम को समाकलन स्थिरांक जोड़ने से पहले स्केल करता है। यह रैखिक परिवर्तन चर के लिए उपयोगी है। पैरामीटर्स c - बहुपद गुणांकों का 1-D ऐरे, कम से उच्च डिग्री क्रम में m - समाकलन क्र

विवरण numpy.polynomial.polynomial.polyfromroots() फंक्शन दिए गए मूलों से मोनिक बहुपद (leading coefficient 1) के गुणांक उत्पन्न करता है। यह 1-D गुणांक ऐरे लौटाता है। यदि सभी मूल वास्तविक हैं तो आउटपुट वास्तविक होता है; अन्यथा कॉम्प्लेक्स। चरण from numpy.polynomial import polynomial as P # मोनिक बहु

विवरण numpy.polynomial.polynomial.polyvalfromroots() फंक्शन उसके मूलों द्वारा निर्दिष्ट बहुपद का बिंदुओं x पर मूल्यांकन करता है। यदि बहुपद के मूल r_1, r_2, ..., r_n हैं, तो बहुपद p(x) = (x - r_1)(x - r_2)...(x - r_n) होता है। पैरामीटर्स x - मूल्यांकन बिंदु। सूची/टपल को ndarray में परिवर्तित कि

विवरण numpy.polynomial.chebyshev.chebvander2d() फंक्शन चेबिशेव बहुपद (पहली तरह) का 2D छद्म वैंडरमोंड मैट्रिक्स उत्पन्न करता है। यह x और y निर्देशांकों पर डिग्री [x_deg, y_deg] तक के चेबिशेव बहुपदों के मानों का मैट्रिक्स लौटाता है। पैरामीटर्स x, y - बिंदु निर्देशांकों के ऐरे, समान आकार के। floa

बिंदुओं (x, y, z) पर 3-D पॉलीनोमियल का मूल्यांकन करने के लिए, पायथन नम्पाई में polynomial.polyval3d() मेथड का उपयोग करें। मेथड x, y, और z से संबंधित मानों के ट्रिपल्स के साथ बने पॉइंट्स पर बहुआयामी पॉलीनोमियल के मान लौटाता है। पैरामीटर x, y, z हैं। तीन आयामी श्रृंखला का मूल्यांकन बिंदुओं (x, y, z) प

x और y के कार्टेशियन प्रोडक्ट (Cartesian product) पर 2-D पॉलीनोमियल का मूल्यांकन करने के लिए, पायथन में polynomial.polygrid2d(x, y, c) मेथड का उपयोग करें। मेथड x और y के कार्टेशियन प्रोडक्ट में पॉइंट्स पर दो आयामी पॉलीनोमियल के मान लौटाता है।पहला पैरामीटर, x और y, दो आयामी श्रृंखला का मूल्यांकन x और

x और y के कार्टेशियन प्रोडक्ट (Cartesian product) पर 2-D पॉलीनोमियल का मूल्यांकन करने के लिए, पायथन में polynomial.polygrid2d(x, y, c) मेथड का उपयोग करें। मेथड x और y के कार्टेशियन प्रोडक्ट में पॉइंट्स पर दो आयामी पॉलीनोमियल के मान लौटाता है।पहला पैरामीटर, x और y, दो आयामी श्रृंखला का मूल्यांकन x और

पॉलीनोमियल को डिफरेंशिएट (differentiate) करने के लिए, पायथन नम्पाई में polynomial.polyder() मेथड का उपयोग करें। एक्सिस के साथ m बार डिफरेंशिएट किए गए पॉलीनोमियल गुणांक c लौटाएं। प्रत्येक इटरेशन पर परिणाम को scl (स्केलिंग फैक्टर रैखिक परिवर्तन के लिए उपयोगी है) से गुणा किया जाता है। आर्ग्युमेंट c प्र

पॉलीनोमियल को डिफरेंशिएट (differentiate) करने के लिए, पायथन नम्पाई में polynomial.polyder() मेथड का उपयोग करें। एक्सिस के साथ m बार डिफरेंशिएट किए गए पॉलीनोमियल गुणांक c लौटाएं। प्रत्येक इटरेशन पर परिणाम को scl (स्केलिंग फैक्टर रैखिक परिवर्तन के लिए उपयोगी है) से गुणा किया जाता है। आर्ग्युमेंट c प्र

चेबिशेव पॉलीनोमियल (Chebyshev polynomial) और x, y, z सैंपल पॉइंट्स का सूडो वैंडरमोंड मैट्रिक्स (pseudo Vandermonde matrix) जनरेट करने के लिए, पायथन नम्पाई में chebyshev.chebvander() का उपयोग करें। मेथड डिग्री deg और सैंपल पॉइंट्स (x, y, z) का सूडो-वैंडरमोंड मैट्रिक्स लौटाता है।पैरामीटर x, y, z पॉइंट

x और y के कार्टेशियन प्रोडक्ट (Cartesian product) पर 2-D पॉलीनोमियल का मूल्यांकन करने के लिए, पायथन में polynomial.polygrid2d(x, y, c) मेथड का उपयोग करें। मेथड x और y के कार्टेशियन प्रोडक्ट में पॉइंट्स पर दो आयामी पॉलीनोमियल के मान लौटाता है। पहला पैरामीटर, x और y, दो आयामी श्रृंखला का मूल्यांकन x औ

दिए गए एक्सिस के साथ कंपोजिट ट्रेपेजॉइडल नियम (composite trapezoidal rule) का उपयोग करके इंटीग्रेट करने के लिए, numpy.trapz() मेथड का उपयोग करें। यदि x प्रदान किया जाता है, तो इंटीग्रेशन उसके एलिमेंट्स के क्रम में होता है - वे सॉर्ट नहीं होते। मेथड y = n-डायमेंशनल ऐरे के निश्चित इंटीग्रल को ट्रेपेजॉ

ग्रेडिएंट की गणना इंटीरियर पॉइंट्स में सेकंड ऑर्डर एक्यूरेट सेंट्रल डिफरेंसेस (second order accurate central differences) का उपयोग करके की जाती है और बाउंड्रीज पर या तो फर्स्ट या सेकंड ऑर्डर एक्यूरेट वन-साइडेड (फॉरवर्ड या बैकवर्ड) डिफरेंसेस का उपयोग करके। लौटाया गया ग्रेडिएंट इसलिए इनपुट ऐरे के समान

हर्माइट पॉलीनोमियल (Hermite polynomial) और x, y, z सैंपल पॉइंट्स का सूडो वैंडरमोंड मैट्रिक्स (pseudo Vandermonde matrix) जनरेट करने के लिए, पायथन नम्पाई में hermite.hermvander3d() का उपयोग करें। मेथड सूडो-वैंडरमोंड मैट्रिक्स लौटाता है। पैरामीटर x, y, z पॉइंट कोऑर्डिनेट्स के ऐरे हैं, सभी का आकार समान

n-वें डिस्क्रीट डिफरेंस (n-th discrete difference) की गणना करने के लिए, numpy.diff() मेथड का उपयोग करें। पहला डिफरेंस दिया जाता है out[i] = a[i+1] - a[i] दिए गए एक्सिस के साथ, उच्च डिफरेंस की गणना diff को रिकर्सिवली उपयोग करके की जाती है। diff() मेथड n-वें डिफरेंस लौटाता है। आउटपुट का आकार a के समान

n-वें डिस्क्रीट डिफरेंस (n-th discrete difference) की गणना करने के लिए, numpy.diff() मेथड का उपयोग करें। पहला डिफरेंस दिया जाता है out[i] = a[i+1] - a[i] दिए गए एक्सिस के साथ, उच्च डिफरेंस की गणना diff को रिकर्सिवली उपयोग करके की जाती है। diff() मेथड n-वें डिफरेंस लौटाता है। आउटपुट का आकार a के समान

दो वेक्टर्स के क्रॉस प्रोडक्ट की गणना करने के लिए, पायथन नम्पाई में numpy.cross() मेथड का उपयोग करें। मेथड c लौटाता है, वेक्टर क्रॉस प्रोडक्ट(s)। पहला पैरामीटर a है, पहले वेक्टर(s) के कंपोनेंट्स। दूसरा पैरामीटर b है, दूसरे वेक्टर(s) के कंपोनेंट्स। तीसरा पैरामीटर axisa है, a का वह एक्सिस जो वेक्टर(s)

उस बूलियन ऐरे को लौटाने के लिए जो True हो जहां ऐरे में स्ट्रिंग एलिमेंट प्रीफिक्स से शुरू होता है, पायथन नम्पाई में numpy.char.startswith() मेथड का उपयोग करें। पहला पैरामीटर इनपुट ऐरे है। दूसरा पैरामीटर प्रीफिक्स है।चरणसबसे पहले, आवश्यक लाइब्रेरी इम्पोर्ट करें:import numpy as npस्ट्रिंग्स का वन-डायम