কম্পিউটার টিউটোরিয়াল

পাইথনে ৪D সহগ অ্যারে দিয়ে x, y, z-র কার্টেশিয়ান প্রোডাক্টে ৩D পলিনোমিয়াল মূল্যায়ন করুন


x, y, z-র কার্টেশিয়ান প্রোডাক্টে ৩D পলিনোমিয়াল মূল্যায়ন করতে পাইথনে polynomial.polygrid3d(x, y, z) মেথডটি ব্যবহার করা হয়। মেথডটি x এবং y-র কার্টেশিয়ান প্রোডাক্টের বিন্দুগুলোর দুই মাত্রিক পলিনোমিয়ালের মান রিটার্ন করে।

প্রথম প্যারামিটার x, y, z হলো তিন মাত্রিক সিরিজ যেসব বিন্দুতে মূল্যায়ন করা হবে, সেগুলো x, y, এবং z-র কার্টেশিয়ান প্রোডাক্টে থাকবে। যদি x, y, বা z লিস্ট বা টাপল হয়, তবে প্রথমে ndarray-তে রূপান্তরিত হবে, অন্যথায় অপরিবর্তিত থাকবে এবং যদি এটি ndarray না হয় তবে স্কেলার হিসেবে বিবেচিত হবে।

দ্বিতীয় প্যারামিটার c হলো সহগগুলোর অ্যারে যাতে ডিগ্রি i,j-এর টার্মের সহগগুলো c[i,j]-তে থাকে। যদি c-র ডাইমেনশন দুই-এর চেয়ে বেশি হয়, তবে অবশিষ্ট ইন্ডেক্সগুলো একাধিক সেট সহগ গণনা করে। যদি c-র ডাইমেনশন তিন-এর চেয়ে কম হয়, তবে.ones অদৃশ্যভাবে যোগ হয়ে এটি 3-ডি করা হয়। ফলাফলের আকৃতি হবে c.shape[3:] + x.shape + y.shape + z.shape।

ধাপসমূহ

প্রথমে প্রয়োজনীয় লাইব্রেরি ইম্পোর্ট করুন:

import numpy as np
from numpy.polynomial.polynomial import polygrid3d

4d সহগ অ্যারে তৈরি করুন:

c = np.arange(48).reshape(2, 2, 6, 2)

অ্যারেটি প্রদর্শন করুন:

print("আমাদের অ্যারে...\n", c)

ডাইমেনশন পরীক্ষা করুন:

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

ডেটা টাইপ জানুন:

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

শেপ (Shape) দেখুন:

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

3D পলিনোমিয়াল মূল্যায়ন করতে polynomial.polygrid3d(x, y, z) মেথডটি ব্যবহার করুন। মেথডটি x এবং y-র কার্টেশিয়ান প্রোডাক্টের বিন্দুগুলোর দুই মাত্রিক পলিনোমিয়ালের মান রিটার্ন করে:

print("\nফলাফল...\n", polygrid3d([1, 2], [1, 2], [1, 2], c))

সম্পূর্ণ উদাহরণ

import numpy as np
from numpy.polynomial.polynomial import polygrid3d
# 4d সহগ অ্যারে তৈরি করা
c = np.arange(48).reshape(2, 2, 6, 2)
# অ্যারে প্রদর্শন
print("আমাদের অ্যারে...\n", c)
# ডাইমেনশন পরীক্ষা
print("\nআমাদের অ্যারের ডাইমেনশন...\n", c.ndim)
# ডেটা টাইপ
print("\nআমাদের অ্যারে অবজেক্টের ডেটা টাইপ...\n", c.dtype)
# শেপ
print("\nআমাদের অ্যারে অবজেক্টের শেপ...\n", c.shape)
# 3D পলিনোমিয়াল মূল্যায়ন
print("\nফলাফল...\n", polygrid3d([1, 2], [1, 2], [1, 2], c))

আউটপুট

আমাদের অ্যারে...  [[[[ 0 1]  [ 2 3]  [ 4 5]  [ 6 7]  [ 8 9]  [10 11]]  [[12 13]  [14 15]  [16 17]  [18 19]  [20 21]  [22 23]]]  [[[24 25]  [26 27]  [28 29]  [30 31]  [32 33]  [34 35]]  [[36 37]  [38 39]  [40 41]  [42 43]  [44 45]  [46 47]]]]
আমাদের অ্যারের ডাইমেনশন... 4
আমাদের অ্যারে অবজেক্টের ডেটা টাইপ... int64
আমাদের অ্যারে অবজেক্টের শেপ... (2, 2, 6, 2)
ফলাফল...  [[[[ 552. 6600.]  [ 900. 10656.]]  [[ 972. 11412.]  [ 1566. 18252.]]]  [[[ 576. 6852.]  [ 936. 11034.]]  [[ 1008. 11790.]  [ 1620. 18819.]]]]

  1. পাইথনে ১ডি কোএফিসিয়েন্টের অ্যারেতে ২ডি পলিনোমিয়াল (x,y) কার্টেশিয়ান প্রোডাক্টে ইভ্যালুয়েট করা

  2. পাইথনে ৩ডি কোএফিসিয়েন্টের অ্যারেতে ২ডি পলিনোমিয়াল (x,y) কার্টেশিয়ান প্রোডাক্টে ইভ্যালুয়েট করা

  3. পাইথনে x এবং y-এর কার্তেসীয় গুণফলের ওপর 2-ডি বহুপদ মূল্যায়ন করুন

  4. পাইথনে 4D সহগ অ্যারে সহ (x, y, z) বিন্দুতে 3-ডি বহুপদ মূল্যায়ন করুন