numpy.polynomial.legendre.legder#

polynomial.legendre.legder(c, m=1, scl=1, axis=0)[源代码]#

区分一个勒让德级数.

返回沿着 axis 方向对勒让德级数系数 c 进行 m 次微分后的系数.每次迭代结果都会乘以 scl`（缩放因子用于线性变量变换）.参数 `c 是沿每个轴从低到高次序的系数数组,例如,[1,2,3] 表示级数 1*L_0 + 2*L_1 + 3*L_2,而 [[1,2],[1,2]] 表示 1*L_0(x)*L_0(y) + 1*L_1(x)*L_0(y) + 2*L_0(x)*L_1(y) + 2*L_1(x)*L_1(y) 如果 axis=0 是 x 且 axis=1 是 y.

参数:

carray_like: 勒让德级数系数的数组.如果 c 是多维的,不同的轴对应于不同的变量,每个轴的度数由相应的索引给出.
mint, 可选: 取导数的次数,必须是非负的.（默认值:1）
scl标量,可选: 每个微分都乘以 scl.最终结果是乘以 scl**m.这是用于线性变量变换.（默认值:1）
axisint, 可选: 导数所沿的轴.（默认值:0）.

在 1.7.0 版本加入.

返回:

derndarray: 导数的勒让德级数.

参见

legint

备注

一般来说,对勒让德级数进行微分的结果与对幂级数进行相同操作的结果并不相似.因此,这个函数的结果可能是”不直观的”,尽管是正确的;请参见下面的示例部分.

示例

>>> from numpy.polynomial import legendre as L
>>> c = (1,2,3,4)
>>> L.legder(c)
array([  6.,   9.,  20.])
>>> L.legder(c, 3)
array([60.])
>>> L.legder(c, scl=-1)
array([ -6.,  -9., -20.])
>>> L.legder(c, 2,-1)
array([  9.,  60.])