Cách in phương trình đa thức trong Python

Tham khảo nhanh

Bảng sau đây nêu bật một số điểm khác biệt chính giữa mô-đun đa thức kế thừa và gói đa thức cho các tác vụ thông thường. Lớp được nhập cho ngắn gọn

from numpy.polynomial import Polynomial

Làm cách nào để…

Di sản ()

Tạo một đối tượng đa thức từ các hệ số

In [1]: rng = np.random.default_rng()

In [2]: x = np.arange(10)

In [3]: y = np.arange(10) + rng.standard_normal(10)

In [1]: rng = np.random.default_rng()

In [2]: x = np.arange(10)

In [3]: y = np.arange(10) + rng.standard_normal(10)

Tạo một đối tượng đa thức từ gốc

In [1]: rng = np.random.default_rng()

In [2]: x = np.arange(10)

In [3]: y = np.arange(10) + rng.standard_normal(10)

In [1]: rng = np.random.default_rng()

In [2]: x = np.arange(10)

In [3]: y = np.arange(10) + rng.standard_normal(10)

In [1]: rng = np.random.default_rng()

In [2]: x = np.arange(10)

In [3]: y = np.arange(10) + rng.standard_normal(10)

Khớp một đa thức bậc

In [1]: rng = np.random.default_rng()

In [2]: x = np.arange(10)

In [3]: y = np.arange(10) + rng.standard_normal(10)

In [1]: rng = np.random.default_rng()

In [2]: x = np.arange(10)

In [3]: y = np.arange(10) + rng.standard_normal(10)

In [1]: rng = np.random.default_rng()

In [2]: x = np.arange(10)

In [3]: y = np.arange(10) + rng.standard_normal(10)

Lưu ý thứ tự đảo ngược của các hệ số

Hướng dẫn chuyển tiếp

Có sự khác biệt đáng kể giữa

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

Mặc dù sự khác biệt trong quy ước có thể gây nhầm lẫn, nhưng thật đơn giản để chuyển đổi từ API đa thức cũ sang API mới. Ví dụ: phần sau minh họa cách bạn chuyển đổi một thể hiện biểu diễn biểu thức \(x^{2} + 2x + 3\) thành một thể hiện biểu diễn .

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

Ngoài thuộc tính

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

Xem tài liệu về các lớp tiện lợi để biết thêm chi tiết về các thuộc tính

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

Một điểm khác biệt chính giữa mô-đun đa thức kế thừa và gói đa thức là khớp đa thức. Trong mô-đun cũ, việc lắp được thực hiện thông qua chức năng. Trong gói đa thức, phương thức lớp được ưu tiên. Ví dụ: hãy xem xét sự phù hợp tuyến tính đơn giản với dữ liệu sau

In [1]: rng = np.random.default_rng()

In [2]: x = np.arange(10)

In [3]: y = np.arange(10) + rng.standard_normal(10)

Với mô-đun đa thức kế thừa, một khớp tuyến tính (i. e. đa thức bậc 1) có thể được áp dụng cho những dữ liệu này với

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

Với API đa thức mới, phương thức lớp được ưu tiên

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

Lưu ý rằng các hệ số được đưa ra trong miền tỷ lệ được xác định bởi ánh xạ tuyến tính giữa

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])

>>> p1d = np.poly1d([1, 2, 3])
>>> p = np.polynomial.Polynomial(p1d.coef[::-1])