python实战应用讲解-【numpy专题篇】实用小技巧（四）（附python示例代码）

目录

在Python中对两个一维序列进行离散线性卷积并获得它们重叠的地方

Numpy np.convolve()

在Python中，当系数为多维时，在x点评估Hermite_e数列

实现步骤

在Python中评估一个einsum表达式的最低成本收缩顺序

np.einsum_path 方法

示例

查找NumPy数组中的最大和最小元素

---

在Python中对两个一维序列进行离散线性卷积并获得它们重叠的地方

Numpy np.convolve()

为了返回两个一维序列的离散线性卷积，用户需要调用Python中Numpy库的numpy.convolve()方法。卷积算子经常出现在信号处理中，它模拟线性时变系统对信号的影响。在概率论中，两个独立随机变量的总和是根据它们各自分布的卷积来分布的。

语法: numpy.convolve(a, v, mode=”)

参数:

• a : 第一个一维输入矩阵。
• v : 第二个一维输入矩阵。
• mode{‘full ‘、’valid’、’same’}。
• full ‘: 默认情况下，模式是’full’。这将返回每个重叠点的卷积，其输出形状为（N+M-1,）。在卷积的端点，信号并不完全重叠，可能会出现边界效应。
• same’: 模式’相同’返回长度为max(M, N)的输出。边界效应仍然可见。
• ‘valid’：模式’有效’返回长度为max(M, N) – min(M, N) + 1的输出。卷积只对信号完全重叠的点给出。信号边界以外的数值没有影响。