我需要对一个二维数组执行以下积分:
也就是说,网格中的每个点都获得值RC,这是在2D空间上整个场与某点(x,y)处场的值U的差异的加权积分,该加权核在1D版本中为:
你可以在这里查看“集中”功能的结果:
到目前为止,我所做的是对索引的低效迭代:
def normalized_bimodal_kernel_2D(x,y,a,x0=0.0,y0=0.0):
""" Gives a kernel that is zero in x=0, and its integral from -infty to
+infty is 1.0. The parameter a is a length scale where the peaks of the
function are."""
dist = (x-x0)**2 + (y-y0)**2
return (dist*np.exp(-(dist/a)))/(np.pi*a**2)
def RC_2D(U,a,dx):
nx,ny=U.shape
x,y = np.meshgrid(np.arange(0,nx, dx),np.arange(0,ny,dx), sparse=True)
UB = np.zeros_like(U)
for i in xrange(0,nx):
for j in xrange(0,ny):
field=(U-U[i,j])*normalized_bimodal_kernel_2D(x,y,a,x0=i*dx,y0=j*dx)
UB[i,j]=np.sum(field)*dx**2
return UB
def centerlizing_2D(U,a,dx):
nx,ny=U.shape
x,y = np.meshgrid(np.arange(0,nx, dx),np.arange(0,ny,dx), sparse=True)
UB = np.zeros((nx,ny,nx,ny))
for i in xrange(0,nx):
for j in xrange(0,ny):
UB[i,j]=normalized_bimodal_kernel_2D(x,y,a,x0=i*dx,y0=j*dx)
return UB
你可以在这里查看“集中”功能的结果:
centeralizing
。U=np.eye(20)
plt.imshow(centerlizing(U,10,1)[10,10])
U.shape
在实际使用中是什么意思? - Daniel F(nx/dx, ny/dx)
的计算meshgrid
,但仅对其进行(nx, ny)
切片求和。或者也许这是一个错误,很难说。输出是否符合您的预期? - Daniel F