Python numpy polyutils.mapdomain用法及代码示例

本文简要介绍 python 语言中 numpy.polynomial.polyutils.mapdomain 的用法。

用法:

polynomial.polyutils.mapdomain(x, old, new)

将线性映射应用于输入点。

线性Mapoffset + scale*x映射域老的到域新的应用于点x.

参数：

x： array_like

要映射的点。如果 x 是 ndarray 的子类型，则将保留子类型。

old, new： array_like

确定Map的两个域。每个都必须(成功地)转换为恰好包含两个值的一维数组。

返回：

x_out： ndarray

在两个域之间应用线性映射后，与 x 形状相同的点阵列。

注意：

实际上，这实现了：

\[x\_out = new[0] + m(x - old[0])\]

其中

\[m = \frac{new[1]-new[0]}{old[1]-old[0]}\]

例子：

>>> from numpy.polynomial import polyutils as pu
>>> old_domain = (-1,1)
>>> new_domain = (0,2*np.pi)
>>> x = np.linspace(-1,1,6); x
array([-1. , -0.6, -0.2,  0.2,  0.6,  1. ])
>>> x_out = pu.mapdomain(x, old_domain, new_domain); x_out
array([ 0.        ,  1.25663706,  2.51327412,  3.76991118,  5.02654825, # may vary
        6.28318531])
>>> x - pu.mapdomain(x_out, new_domain, old_domain)
array([0., 0., 0., 0., 0., 0.])

也适用于复数(因此可用于将复平面中的任何线映射到其中的任何其他线)。

>>> i = complex(0,1)
>>> old = (-1 - i, 1 + i)
>>> new = (-1 + i, 1 - i)
>>> z = np.linspace(old[0], old[1], 6); z
array([-1. -1.j , -0.6-0.6j, -0.2-0.2j,  0.2+0.2j,  0.6+0.6j,  1. +1.j ])
>>> new_z = pu.mapdomain(z, old, new); new_z
array([-1.0+1.j , -0.6+0.6j, -0.2+0.2j,  0.2-0.2j,  0.6-0.6j,  1.0-1.j ]) # may vary