numpy.polynomial.polyutils.mapdomain#

polynomial.polyutils.mapdomain(x, старый, новый)[источник]#

Применить линейное отображение к входным точкам.

Линейное отображение offset + scale*x который отображает домен старый в область определения новый применяется к точкам x.

Параметры:

xarray_like: Точки для отображения. Если x является подтипом ndarray, подтип будет сохранён.
старый, новыйarray_like: Две области, определяющие отображение. Каждая должна (успешно) преобразовываться в одномерные массивы, содержащие ровно два значения.

Возвращает:

x_outndarray: Массив точек той же формы, что и x, после применения линейного отображения между двумя областями.

Смотрите также

getdomain, mapparms

Примечания

По сути, это реализует:

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

где

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

Примеры

>>> import numpy as np
>>> 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.])

Также работает для комплексных чисел (и, следовательно, может использоваться для отображения любой линии в комплексной плоскости на любую другую линию в ней).

>>> 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