[英]Defining a grid using np.linspace and evaluating function over this grid
我定義了以下時間網格:
T = 10000
tmin = 0
tmax = 10**20
t = np.linspace(tmin, tmax, T)
所以我的步長約為10 ** 16。 我想根據該步長評估從tmin到tmax的函數。 以下是對tmin到10,000的評估還是對整個網格的評估?
timedep_PD = np.zeros([t,Y])
for t in range(tmin,T):
timedep_PD[t]= probdensity_func(x,t,0)
我如何以(tmax-tmin / T)的步長評估從tminx
到tmax
此函數,同時仍以timedep_PD[t]
的形式存儲
為了簡單起見:
T = 10
tmin = 0
tmax = 10**2
t = np.linspace(tmin, tmax, T)
timedep_PD = np.zeros((len(t),T)) ##len(t) is T : np.zeros((T,T))
dt = ((tmax-tmin)/T)
k=0
for t in np.arange(tmin,tmax,dt):
timedep_PD[k]= np.sin(t)
print timedep_PD[k]
k+=1
我們也可以使用np.meshgrid
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.