numpy.polynomial.legendre.legder#

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

对勒让德级数求导。

返回勒让德级数系数 c 沿 axis 求导 m 次的结果。每次迭代的结果都乘以 scl（缩放因子用于变量的线性变化）。参数 c 是一个系数数组，沿每个轴从低次到高次排列，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，axis=1 是 y。

参数:

carray_like: 勒让德级数系数数组。如果 c 是多维的，则不同的轴对应不同的变量，每个轴的次数由相应的索引给出。
mint, 可选: 求导次数，必须是非负的。（默认：1）
scl标量，可选: 每次求导都乘以 scl。最终结果乘以 scl**m。这用于变量的线性变化。（默认：1）
axisint, 可选: 进行求导的轴。（默认：0）。

返回:

derndarray: 导数的勒让德级数。

另请参阅

legint

备注

一般来说，勒让德级数的求导结果与幂级数的相同运算不同。因此，此函数的结果可能是“违反直觉”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.])