stirling2#
- scipy.special.stirling2(N, K, *, exact=False)[source]#
生成第二类斯特林数。
第二类斯特林数计算将一个具有 N 个元素的集合划分为 K 个非空子集的方法数。
此函数返回的值使用动态规划计算,该动态规划避免了解决方案中子问题之间的冗余计算。 对于类似数组的输入,此实现还避免了不同斯特林数计算之间的冗余计算。
这些数字有时表示为
\[{N \brace{K}}\]详情请参阅[1]。这通常口头表达为“N 子集 K”。
- 参数:
- Nint, ndarray
事物的数量。
- Kint, ndarray
采用的非空子集的数量。
- exactbool, optional
对于较小的数组,使用带浮点数的动态规划 (DP),对于 N 和 K 的较大条目,使用 Temme 的二阶近似,允许在速度和精度之间进行权衡。 有关描述,请参见[2]。 Temme 近似用于
n>50
的值。 DP 的最大误差对于n<=50
具有最大相对误差4.5*10^-16
,并且 Temme 近似对于51 <= n < 70
具有最大相对误差5*10^-5
,对于70 <= n < 101
具有最大相对误差9*10^-6
。 请注意,随着 n 的增加,这些最大相对误差将进一步减小。
- 返回值:
- valint, float, ndarray
分区的数量。
另请参见
comb
一次取 k 个 N 个事物的组合数。
注释
如果 N < 0 或 K < 0,则返回 0。
如果 K > N,则返回 0。
输出类型将始终为 int 或 object 的 ndarray。 输入必须包含 numpy 或 python 整数,否则会引发 TypeError。
参考文献
[1]R. L. Graham、D. E. Knuth 和 O. Patashnik,“Concrete Mathematics: A Foundation for Computer Science”,Addison-Wesley Publishing Company,波士顿,1989 年。第 6 章,第 258 页。
[2]Temme, Nico M. “斯特林数的渐近估计。” 应用数学研究 89.3 (1993): 233-243。
示例
>>> import numpy as np >>> from scipy.special import stirling2 >>> k = np.array([3, -1, 3]) >>> n = np.array([10, 10, 9]) >>> stirling2(n, k) array([9330.0, 0.0, 3025.0])