numpy.polynomial.polynomial.polyint

多项式.多项式. polyint ( c , m = 1 , k = [] , lbnd = 0 , scl = 1 , axis = 0 )

对多项式进行积分。

返回lbnd沿axis积分m次的 多项式系数c。在每次迭代中，所得序列 乘以scl并添加积分常数k 。比例因子用于变量的线性变化。 （“买家当心”：请注意，根据人们在做什么，人们可能希望scl 是人们所期望的倒数；有关更多信息，请参阅下面的“注释”部分。）参数c是一个系数数组，沿着每个轴从低到高的程度，例如，[1,2,3] 表示多项式，而 [[1,2],[1,2]] 表示如果 axis=0 则为且 axis=1 为 。1 + 2*x + 3*x**21 + 1*x + 2*y + 2*x*yxy

参数：

类数组

多项式系数的一维数组，从低到高排序。

m整数，可选

积分顺序必须是正数。 （默认值：1）

k {[]，列表，标量}，可选

积分常数。第一个零处积分的值是列表中的第一个值，第二个零处积分的值是第二个值，依此类推。如果（默认），所有常量都设置为零。如果，可以给出单个标量而不是列表。k == []m == 1

lbnd标量，可选

积分的下界。 （默认值：0）

scl标量，可选

每次积分后，结果先乘以scl ， 然后再添加积分常数。 （默认值：1）

轴int，可选

进行积分的轴。 （默认值：0）。

1.7.0 版本中的新增内容。

返回：

阵列​

积分的系数数组。

加薪：

值错误

如果、、、 或 。m < 1len(k) > mnp.ndim(lbnd) != 0np.ndim(scl) != 0

也可以看看

polyder

笔记

请注意，每次积分的结果都会乘以scl 。为什么这一点值得注意？假设变量发生线性变化\(u = ax + b\)相对于x的积分。然后 \(dx = du/a\)，因此需要将scl设置为等于 \(1/a\)- 也许不是人们首先想到的。

例子

>>> from numpy.polynomial import polynomial as P
>>> c = (1,2,3)
>>> P.polyint(c) # should return array([0, 1, 1, 1])
array([0.,  1.,  1.,  1.])
>>> P.polyint(c,3) # should return array([0, 0, 0, 1/6, 1/12, 1/20])
 array([ 0.        ,  0.        ,  0.        ,  0.16666667,  0.08333333, # may vary
         0.05      ])
>>> P.polyint(c,k=3) # should return array([3, 1, 1, 1])
array([3.,  1.,  1.,  1.])
>>> P.polyint(c,lbnd=-2) # should return array([6, 1, 1, 1])
array([6.,  1.,  1.,  1.])
>>> P.polyint(c,scl=-2) # should return array([0, -2, -2, -2])
array([ 0., -2., -2., -2.])