numpy.polynomial.laguerre.lagval#

polynomial.laguerre.lagval(x, c, tensor=True)[源代码]#

在点 x 处计算拉盖尔级数.

如果 c 的长度为 n + 1 ,则此函数返回以下值:

\[p(x) = c_0 * L_0(x) + c_1 * L_1(x) + ... + c_n * L_n(x)\]

仅当参数 x 是元组或列表时,才将其转换为数组,否则将其视为标量. 在任何一种情况下, x 或其元素都必须支持与其自身以及与 c 的元素相乘和相加.

如果 c 是一个 1-D 数组,那么 p(x) 将具有与 x 相同的形状. 如果 c 是多维的,那么结果的形状取决于 tensor 的值. 如果 tensor 为真,则形状将为 c.shape[1:] + x.shape. 如果 tensor 为假,则形状将为 c.shape[1:]. 请注意,标量的形状为 (,).

系数中的尾随零将用于计算,因此如果关心效率,应避免使用它们.

参数:
x类数组,兼容对象

如果 x 是列表或元组,则将其转换为ndarray,否则将其保持不变并视为标量. 在任何一种情况下, x 或其元素都必须支持与其自身以及与 c 的元素相加和相乘.

carray_like

系数数组,排序方式为:维度为 n 的项的系数包含在 c[n] 中.如果 c 是多维的,则剩余的索引枚举多个多项式.在二维情况下,系数可以被认为存储在 c 的列中.

张量布尔值,可选

如果为 True,则系数数组的形状将扩展为右侧带 1,每个 x 的维度对应一个 1.标量对于此操作的维度为 0.结果是 c 中的每一列系数都将针对 x 的每个元素进行计算.如果为 False,则 x 将广播到 c 的列上进行计算.当 c 是多维时,此关键字很有用.默认值为 True.

返回:
valuesndarray,algebra_like

返回值形状如上所述.

参见

lagval2d , laggrid2d , lagval3d , laggrid3d

注释

计算使用 Clenshaw 递归,也称为综合除法.

示例

>>> from numpy.polynomial.laguerre import lagval
>>> coef = [1, 2, 3]
>>> lagval(1, coef)
-0.5
>>> lagval([[1, 2],[3, 4]], coef)
array([[-0.5, -4. ],
       [-4.5, -2. ]])