পাইথনে x এবং y-এর কার্তেসীয় গুণফলের ওপর একটি 2-ডি বহুপদ মূল্যায়ন করতে, polynomial.polygrid2d(x, y, c) পদ্ধতিটি ব্যবহার করুন। এই পদ্ধতিটি x এবং y-এর কার্তেসীয় গুণফলের বিন্দুতে দ্বিমাত্রিক বহুপদের মানগুলি ফেরত দেয়।
প্যারামিটার বিবরণ
প্রথম প্যারামিটার (x, y): দ্বিমাত্রিক সিরিজটি x এবং y-এর কার্তেসীয় গুণফলের বিন্দুতে মূল্যায়ন করা হয়। যদি x বা y একটি তালিকা বা টাপল হয়, তবে এটি প্রথমে একটি ndarray-এ রূপান্তরিত হয়, অন্যথায় এটি অপরিবর্তিত থাকে এবং যদি এটি ndarray না হয়, তবে এটিকে একটি স্কেলার হিসেবে বিবেচনা করা হয়।
দ্বিতীয় প্যারামিটার (c): এটি係数গুলির একটি অ্যারে, যাতে পদi,j-এর ডিগ্রীর সহগ c[i,j]-তে থাকে। যদি c-এর মাত্রা দুইতে বেশি হয়, তবে বাকি সূচকগুলি একাধিক সহগ সেট গণনা করে। যদি c-এর মাত্রা দুইতে কম হয়, তবে এর আকারকে 2-ডি করার জন্য ضمنিকভাবে একগুলি যোগ করা হয়। ফলাফলের আকার হবে c.shape[2:] + x.shape + y.shape।
ধাপসমূহ
প্রথমে প্রয়োজনীয় লাইব্রেরি আমদানি করুন:
import numpy as np
from numpy.polynomial.polynomial import polygrid2d
সহগের একটি 2D অ্যারে তৈরি করুন:
c = np.arange(4).reshape(2,2)
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)
x এবং y-এর কার্তেসীয় গুণফলের ওপর 2-ডি বহুপদ মূল্যায়ন করুন:
print("\nফলাফল...\n", polygrid2d([1,2], [1,2], c))
সম্পূর্ণ উদাহরণ
import numpy as np
from numpy.polynomial.polynomial import polygrid2d
# সহগের একটি 2D অ্যারে তৈরি করুন
c = np.arange(4).reshape(2,2)
# 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)
# কার্তেসীয় গুণফলের ওপর 2-ডি বহুপদ মূল্যায়ন করুন
print("\nফলাফল...\n", polygrid2d([1,2], [1,2], c))
আউটপুট
আমাদের অ্যারে...
[[0 1]
[2 3]]
আমাদের অ্যারের মাত্রা...
2
আমাদের অ্যারে অবজেক্টের ডেটা টাইপ...
int64
আমাদের অ্যারে অবজেক্টের আকার...
(2, 2)
ফলাফল...
[[ 6. 10.]
[11. 18.]]