Computer >> 컴퓨터 >  >> 프로그래밍 >> Python

Python에서 2차원 계수 배열로 x, y, z의 데카르트 곱에 대한 3차원 체비쇼프 급수 평가하기


x, y, z의 데카르트 곱(Cartesian product) 위에서 3차원 체비쇼프 급수(Chebyshev series)를 평가하려면 Python의 polynomial.chebgrid3d(x, y, z) 메서드를 사용합니다. 만약 계수 배열 c가 3차원보다 낮은 차원을 가진다면, 3차원이 되도록 shape에 자동으로 1(ones)이 추가됩니다. 결과 배열의 shape는 c.shape[3:] + x.shape + y.shape + z.shape 형태가 됩니다.

chebgrid3d() 메서드의 주요 매개변수

1. x, y, z

3차원 체비쇼프 급수가 평가될 좌표값들입니다. 이 값들은 x, y, z의 모든 조합(데카르트 곱)에 대해 계산됩니다. 만약 x, y, z 중 하나가 리스트(list)나 튜플(tuple)이라면 먼저 ndarray로 변환되며, 이미 ndarray라면 그대로 사용됩니다. ndarray가 아닌 경우에는 스칼라(scalar)로 처리됩니다.

2. c

계수(coefficient)들이 담긴 배열입니다. 차수(degree) i, j에 해당하는 항의 계수는 c[i, j]에 저장되어 있어야 합니다. 만약 c의 차원이 2보다 크다면, 나머지 인덱스들은 여러 세트의 계수들을 나타냅니다.

구현 단계

먼저 필요한 라이브러리를 임포트합니다.

import numpy as np
from numpy.polynomial import chebyshev as C

2차원 계수 배열을 생성합니다.

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

생성된 배열을 화면에 출력합니다.

print("Our Array...\n", c)

배열의 차원(dimension)을 확인합니다.

print("\nDimensions of our Array...\n", c.ndim)

배열의 데이터 타입(datatype)을 확인합니다.

print("\nDatatype of our Array object...\n", c.dtype)

배열의 shape를 확인합니다.

print("\nShape of our Array object...\n", c.shape)

polynomial.chebgrid3d(x, y, z) 메서드를 사용하여 x, y, z의 데카르트 곱 위에서 3차원 체비쇼프 급수를 평가합니다.

print("\nResult...\n", C.chebgrid3d([1, 2], [1, 2], [1, 2], c))

전체 예제 코드

import numpy as np
from numpy.polynomial import chebyshev as C

# 2차원 계수 배열 생성
c = np.arange(4).reshape(2, 2)

# 배열 출력
print("Our Array...\n", c)

# 차원 확인
print("\nDimensions of our Array...\n", c.ndim)

# 데이터 타입 확인
print("\nDatatype of our Array object...\n", c.dtype)

# Shape 확인
print("\nShape of our Array object...\n", c.shape)

# chebgrid3d() 메서드로 x, y, z의 데카르트 곱에서 3차원 체비쇼프 급수 평가
print("\nResult...\n", C.chebgrid3d([1, 2], [1, 2], [1, 2], c))

실행 결과

Our Array...
[[0 1]
 [2 3]]

Dimensions of our Array...
2

Datatype of our Array object...
int64

Shape of our Array object...
(2, 2)

Result...
[[17. 28.]
 [28. 46.]]

정리

chebgrid3d() 메서드는 각 축의 좌표값들이 만드는 격자(grid) 전체 지점에서 체비쇼프 다항식을 한 번에 효율적으로 평가할 수 있는 강력한 도구입니다. 개별 점마다 반복 호출할 필요 없이 벡터화 연산으로 처리되므로 수치 해석 및 과학 컴퓨팅 작업에서 성능상 큰 이점을 제공합니다.