目前,我正在尝试使用 Python 分析时间序列数据。作为这样做的指南,我将自己定位在一个 MATLAB 脚本上,该脚本几乎可以完成我想做的所有事情。到目前为止它运行良好,但现在我遇到了该脚本中使用的勒让德多项式。
我尝试了 NumPy implementation的,但我找不到(或多或少)产生与 the MATLAB function 相同结果的方法.
基本上,这就是我想知道的。如何让我的 Python 代码给出与 MATLAB 代码相同的结果?
作为一个小演示,
k= [0 1 1;1 1 0 ;0 0 1]
legendre(2,k)
给出:
ans(:,:,1) =
-0.5000 1.0000 -0.5000
0 0 0
3.0000 0 3.0000
ans(:,:,2) =
1.0000 1.0000 -0.5000
0 0 0
0 0 3.0000
ans(:,:,3) =
1.0000 -0.5000 1.0000
0 0 0
0 3.0000 0
而我的 Python 版本是这样的:我尝试的方式是这样的:
legendre = np.polynomial.legendre.Legendre([0,1,2])
legendre(k)
并产生:
array([[-1., 3., 3.],
[ 3., 3., -1.],
[-1., -1., 3.]])
我看到一些有点奇怪的东西,但不幸的是我不知道如何测试它们,因为这是我第一次听说勒让德多项式这样的东西,NumPy 的文档和维基百科都不是对理解它有很大帮助。
最佳答案
我也遇到了这个问题。以这个问题为起点,提出了以下内容。请注意:我正在像这样使用 MATLAB 函数:
legendre(10,linspace(-1,1,10))
而且我需要在 Python 中生成等效项。这是代码:
import numpy as np
from scipy import special as sp
def legendre(N,X) :
matrixReturn = np.zeros((N+1,X.shape[0]))
for i in enumerate(X) :
currValues = sp.lpmn(N,N,i[1])
matrixReturn[:,i[0]] = np.array([j[N] for j in currValues[0]])
return matrixReturn
我是 Python 的新手,所以我确信以上内容可以改进。
关于Python 相当于 MATLAB 的 Legendre 函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/27061206/