Python中的“动态”N维有限差异
我有一个函数来计算1d np.array的有限差分,我想外推到一个n-d数组。Python中的“动态”N维有限差异
功能是这样的:
def fpp_fourth_order_term(U): """Returns the second derivative of fourth order term without the interval multiplier."""
# U-slices
fm2 = values[ :-4]
fm1 = values[1:-3]
fc0 = values[2:-2]
fp1 = values[3:-1]
fp2 = values[4: ]
return -fm2 + 16*(fm1+fp1) - 30*fc0 - fp2
它缺少四阶乘数(1/(12*h**2)
),但这不要紧,因为分组的条款时,我就会大量繁殖。
我很想把它作为一个N维扩展。对此,我会做以下修改:
def fpp_fourth_order_term(U, axis=0): """Returns the second derivative of fourth order term along an axis without the interval multiplier."""
# U-slices
但这里是问题
fm2 = values[ :-4] fm1 = values[1:-3]
fc0 = values[2:-2]
fp1 = values[3:-1]
fp2 = values[4: ]
这工作在1D罚款,如果是2D 沿着第一轴例如我将不得不改变是这样的:
fm2 = values[:-4,:] fm1 = values[1:-3,:]
fc0 = values[2:-2,:]
fp1 = values[3:-1,:]
fp2 = values[4:,:]
但沿着第二轴将是:
fm2 = values[:,:-4] fm1 = values[:,1:-3]
fc0 = values[:,2:-2]
fp1 = values[:,3:-1]
fp2 = values[:,4:]
这同样适用于3d,但有3种可能性,并继续。如果邻居设置正确,返回总是有效的。
return -fm2 + 16*(fm1+fp1) - 30*fc0 - fp2
当然axis
不能超过len(U.shape)-1
大(我把这个尺寸,有没有什么办法,而不是提取该段?
我如何做这个编码问题一个优雅和Python的方法呢?
有没有更好的方式来做到这一点
PS:关于np.diff
和np.gradient
,那些没有工作,因为第一个是一阶,第二个我我做了第四阶近似。事实上,我很快就完成了这个问题,我也将推广这个命令。但是,是的,我希望能够在任何轴上做np.gradient
。
回答:
一个简单而有效的解决方案是,在开始和结束你的程序的使用swapaxes
:
import numpy as np def f(values, axis=-1):
values = values.swapaxes(0, axis)
fm2 = values[ :-4]
fm1 = values[1:-3]
fc0 = values[2:-2]
fp1 = values[3:-1]
fp2 = values[4: ]
return (-fm2 + 16*(fm1+fp1) - 30*fc0 - fp2).swapaxes(0, axis)
a = (np.arange(4*7*8)**3).reshape(4,7,8)
res = f(a, axis=1)
print(res)
print(res.flags)
输出:
# [[[ 73728 78336 82944 87552 92160 96768 101376 105984] # [110592 115200 119808 124416 129024 133632 138240 142848]
# [147456 152064 156672 161280 165888 170496 175104 179712]]
# [[331776 336384 340992 345600 350208 354816 359424 364032]
# [368640 373248 377856 382464 387072 391680 396288 400896]
# [405504 410112 414720 419328 423936 428544 433152 437760]]
# [[589824 594432 599040 603648 608256 612864 617472 622080]
# [626688 631296 635904 640512 645120 649728 654336 658944]
# [663552 668160 672768 677376 681984 686592 691200 695808]]
# [[847872 852480 857088 861696 866304 870912 875520 880128]
# [884736 889344 893952 898560 903168 907776 912384 916992]
# [921600 926208 930816 935424 940032 944640 949248 953856]]]
其结果是,即使是连续的。
# C_CONTIGUOUS : True # F_CONTIGUOUS : False
# OWNDATA : False
# WRITEABLE : True
# ALIGNED : True
# UPDATEIFCOPY : False
以上是 Python中的“动态”N维有限差异 的全部内容, 来源链接: utcz.com/qa/260530.html