পাইথন নাম্পাই-এ x পয়েন্টগুলোতে Hermite_e সিরিজ ইভ্যালুয়েট করতে hermite.hermeval() মেথডটি ব্যবহার করা হয়। ১ম প্যারামিটার, x, যদি একটি লিস্ট বা টাপল হয়, তবে এটি ndarray-এ কনভার্ট হয়, অন্যথায় এটি অপরিবর্তিত থাকে এবং একটি স্ক্যালার হিসেবে বিবেচিত হয়। দুটি কেসেই, x বা এর এলিমেন্টগুলো অবশ্যই নিজেদের সাথে এবং c-এর এলিমেন্টদের সাথে যোগ ও গুণকে সাপোর্ট করতে হবে।
২য় প্যারামিটার, C, একটি কোএফিসিয়েন্টের অ্যারে যা অর্ডার করা আছে এমনভাবে যাতে ডিগ্রি n-এর টার্মের কোএফিসিয়েন্টগুলো c[n]-এ থাকে। যদি c মাল্টিডাইমেনশনাল হয়, তবে বাকি ইন্ডেক্সগুলো একাধিক পলিনোমিয়াল এনামারেট করে। টু-ডাইমেনশনাল কেসে কোএফিসিয়েন্টগুলো c-এর কলামগুলোর মাঝে স্টোর করা মনে করা যায়।
৩য় প্যারামিটার, tensor, যদি True হয়, তবে কোএফিসিয়েন্ট অ্যারের শেপ ডানদিকে একসাথে x-এর প্রতিটি ডাইমেনশনের জন্য এক্সটেন্ড হয়। স্ক্যালারগুলো এই অ্যাকশনের জন্য ডাইমেনশন ০ ধারণ করে। ফলাফল হলো c-এর প্রতিটি কলামের কোএফিসিয়েন্ট x-এর প্রতিটি এলিমেন্টের জন্য ইভ্যালুয়েট হয়। যদি False হয়, তবে x c-এর কলামগুলোর ওপর ব্রডকাস্ট হয় ইভ্যালুয়েশনের জন্য। এই কীওয়ার্ডটি তখন কাজে আসে যখন c মাল্টিডাইমেনশনাল। ডিফল্ট মান True।
ধাপগুলো
প্রথমে প্রয়োজনীয় লাইব্রেরি ইম্পোর্ট করুন:
import numpy as np
from numpy.polynomial import hermite_e as Hমাল্টিডাইমেনশনাল কোএফিসিয়েন্টের অ্যারে তৈরি করুন:
c = np.array([[1,2],[3,4]])অ্যারে ডিসপ্লে করুন:
print("Our Array...\n", c)ডাইমেনশন চেক করুন:
print("\nDimensions of our Array...\n", c.ndim)ডাটা টাইপ পান:
print("\nDatatype of our Array object...\n", c.dtype)শেপ পান:
print("\nShape of our Array object...\n", c.shape)x পয়েন্টগুলোর অ্যারেতে Hermite_e সিরিজ ইভ্যালুয়েট করতে hermite.hermeval() মেথডটি ব্যবহার করুন:
print("\nResult...\n", H.hermeval([1,2], c))সম্পূর্ণ উদাহরণ
import numpy as np
from numpy.polynomial import hermite_e 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("\nShape of our Array object...\n", c.shape)
print("\nResult...\n", H.hermeval([1,2], c))আউটপুট
Our Array... [[1 2]
[3 4]]
Dimensions of our Array... 2
Datatype of our Array object... int64
Shape of our Array object... (2, 2)
Result... [[ 4. 7.]
[ 6. 10.]]