numpy.polynomial.polyutils.mapdomain

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

將線性映射應用於輸入點。

將把定義域 old 映射到定義域 new 的線性映射 offset + scale*x 應用於點 x。

參數:

xarray_like

要映射的點。如果 x 是 ndarray 的子型別，則子型別將被保留。

old, newarray_like

決定映射的兩個定義域。每個定義域都必須（成功地）轉換為包含正好兩個值的一維陣列。

回傳值:

x_outndarray

應用兩個定義域之間的線性映射後，與 x 形狀相同的點陣列。

參見

getdomain, mapparms

註解

實際上，這實作了

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

其中

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

範例

>>> 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.])

也適用於複數（因此可用於將複數平面中的任何線映射到其中的任何其他線）。

>>> 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