পাইথনে প্রতিটি x-এর মাত্রার জন্য সহগ অ্যারের আকার প্রসারিত করে লাগের সিরিজ মূল্যায়ন করুন

পয়েন্ট x-এ লাগের সিরিজ মূল্যায়ন করতে, পাইথন নাম্পাই-এ polynomial.laguerre.lagval() মেথডটি ব্যবহার করুন। প্রথম প্যারামিটার হল x। যদি x একটি তালিকা বা টাপল হয়, তবে এটি ndarray-এ রূপান্তরিত হয়, অন্যথায় এটি অপরিবর্তিত থাকে এবং স্কেলার হিসেবে বিবেচিত হয়। যেকোনো ক্ষেত্রে, x বা এর উপাদানগুলো c-এর উপাদানগুলোর সাথে যোগ ও গুণফল সমর্থন করতে হবে।

দ্বিতীয় প্যারামিটার C, সহগের একটি অ্যারে যা ক্রমাগত সাজানো থাকে যাতে ডিগ্রি n-এর পদগুলোর সহগ c[n]-এ থাকে। যদি c বহুমাত্রিক হয়, তবে বাকি সূচকগুলো একাধিক পলিনোমিয়াল গণনা করে। দ্বিমাত্রিক ক্ষেত্রে সহগগুলো c-এর কলামগুলোর মতো সংরক্ষিত থাকে বলে মনে করা যায়।

তৃতীয় প্যারামিটার tensor, যদি True হয়, তবে সহগ অ্যারের আকার ডানদিকে ১-গুলো যুক্ত করে প্রসারিত হয়, প্রতিটি x-এর মাত্রার জন্য একটি। স্কেলারদের এই ক্রিয়ার জন্য মাত্রা ০ থাকে। ফলাফল হল c-এর প্রতিটি কলামের সহগ x-এর প্রতিটি উপাদানের জন্য মূল্যায়ন করা হয়। যদি False হয়, তবে x c-এর কলামগুলোর ওপর ব্রডকাস্ট করা হয় মূল্যায়নের জন্য। এই কীওয়ার্ডটি ফলাফল দেয় যখন c বহুমাত্রিক। ডিফল্ট মান True।

ধাপসমূহ

1. প্রয়োজনীয় লাইব্রেরি আমদানি করুন:

   import numpy as np
   from numpy.polynomial import laguerre as L

2. বহুমাত্রিক সহগ অ্যারে তৈরি করুন:

   c = np.arange(8).reshape(2, 4)

3. অ্যারেটি প্রদর্শন করুন:

   print("আমাদের অ্যারে...\n", c)

4. মাত্রা যাচাই করুন:

   print("\nআমাদের অ্যারের মাত্রা...\n", c.ndim)

5. ডেটা টাইপ পান:

   print("\nআমাদের অ্যারে অবজেক্টের ডেটা টাইপ...\n", c.dtype)

6. আকার পান:

   print("\nআমাদের অ্যারে অবজেক্টের আকার...\n", c.shape)

7. লাগের সিরিজ মূল্যায়ন করুন (tensor=True):

   print("\nফলাফল...\n", L.lagval([1, 2], c, tensor=True))

সম্পূর্ণ উদাহরণ

import numpy as np
from numpy.polynomial import laguerre as L

# বহুমাত্রিক সহগ অ্যারে তৈরি করুন
c = np.arange(8).reshape(2, 4)

# অ্যারেটি প্রদর্শন করুন
print("আমাদের অ্যারে...\n", c)

# মাত্রা যাচাই করুন
print("\nআমাদের অ্যারের মাত্রা...\n", c.ndim)

# ডেটা টাইপ পান
print("\nআমাদের অ্যারে অবজেক্টের ডেটা টাইপ...\n", c.dtype)

# আকার পান
print("\nআমাদের অ্যারে অবজেক্টের আকার...\n", c.shape)

# লাগের সিরিজ মূল্যায়ন করুন
print("\nফলাফল...\n", L.lagval([1, 2], c, tensor=True))

আউটপুট

আমাদের অ্যারে...   [[0 1 2 3]
 [4 5 6 7]]
আমাদের অ্যারের মাত্রা... 2
আমাদের অ্যারে অবজেক্টের ডেটা টাইপ... int64
আমাদের অ্যারে অবজেক্টের আকার... (2, 4)
ফলাফল...   [[ 0. -4.]
 [ 1. -4.]
 [ 2. -4.]
 [ 3. -4.]]