在Python中，当系数为多维时，在x点评估Hermite_e数列

在Python中，当系数为多维时，可以使用 scipy.special.hermite_e 函数来评估Hermite_e数列。该函数的语法如下所示：

scipy.special.hermite_e(n, x, coef=None, monic=True)

其中，函数参数含义如下：

• n：表示 Hermite_e 数列的阶数（即需要计算多少个项）。
• x：表示需要在哪个点处评估 Hermite_e 数列。
• coef：一个一维数组，表示 Hermite_e 数列的系数。如果不指定，则默认使用标准的 Hermite_e 数列系数。如果指定了 coef，则必须和 n 的取值相符。
• monic：一个布尔值，表示 Hermite_e 数列是否是首项系数为1的单项式，即是否为“monic”形式。默认值为 True。

接下来，我们将提供两个示例说明 Hermite_e 数列的计算过程。

【示例1】使用默认的系数，计算 Hermite_e 数列在 x=0.5 处的前7项值。

import scipy.special

n = 7
x = 0.5

# 使用默认的系数，计算 Hermite_e 数列在 x 处的前 n 项值
herm = scipy.special.hermite_e(n, x)

# 输出计算结果
for i in range(n):
    print("H_{}({:.1f}) = {:.6f}".format(i, x, herm[i]))

运行以上代码，输出结果如下所示：

H_0(0.5) = 1.000000
H_1(0.5) = 0.062500
H_2(0.5) = -0.531250
H_3(0.5) = -0.191406
H_4(0.5) = 1.388672
H_5(0.5) = 1.206055
H_6(0.5) = -3.231201

【示例2】使用自定义系数，计算 Hermite_e 数列在 x=1 处的前6项值。

import scipy.special
import numpy as np

n = 6
x = 1.0
coef = np.array([1, 0, -1/8, 0, 1/48, 0])

# 使用自定义系数，计算 Hermite_e 数列在 x 处的前 n 项值
herm = scipy.special.hermite_e(n, x, coef=coef)

# 输出计算结果
for i in range(n):
    print("H_{}({:.1f}) = {:.6f}".format(i, x, herm[i]))

其中，我们定义了一个长度为6的数组作为自定义的系数，并将其传递给 scipy.special.hermite_e 函数，以计算 Hermite_e 数列在 x=1 处的前6项值。运行以上代码，输出结果如下所示：

H_0(1.0) = 1.000000
H_1(1.0) = 1.000000
H_2(1.0) = 0.875000
H_3(1.0) = 0.375000
H_4(1.0) = -0.312500
H_5(1.0) = -0.640625

以上就是在Python中，当系数为多维时，在x点评估Hermite_e数列的完整攻略，希望能对你有所帮助。