python - 使用 lamdify 添加两个 numpy 数组 - 将表达式作为函数参数传递

Question

我有这段代码:

import numpy as np
import sympy
from sympy import symbols
from sympy.utilities.autowrap import ufuncify
from sympy.utilities.lambdify import lambdify


def test(expr,a,b):

    a_var, b_var = symbols("a b")
    #f = ufuncify((a_var, b_var), expr, backend='numpy')
    f = lambdify( (a_var, b_var), expr, 'numpy')
    return f(a_var, b_var)


a = np.array([2,3])
b = np.array([1,2])
expr = a + b

print(test(expr, a, b))

这给了我:

../anaconda3/envs/python3/lib/python3.6/site-packages/sympy/core/sympify.py:282: VisibleDeprecationWarning: using a non-integer number instead of an integer will result in an error in the future
  rational=rational) for x in a])

   File "<string>", line 1
 lambda _Dummy_52,_Dummy_53: ([3 5])                                
 SyntaxError: invalid syntax

如果我使用 ufuncify :

...

TypeError: unhashable type: 'numpy.ndarray'

During handling of the above exception, another exception occurred:
...

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

======更新================

我发现的一个解决方案是像字符串一样使用expr，然后在函数内部使用sympify:

data_a = np.array([2,3])
data_b = np.array([1,2])
expr = "data_a + data_b"


def test(expr,data_a, data_b):

        a, b = symbols("data_a data_b")
        expr = sympify(expr)
        f = lambdify( (a, b), expr, 'numpy')
        return f(data_a, data_b)

我正在服用:

[3 5]

但是如何避免将表达式用作字符串？

Answer 1

lambdify 将 SymPy 表达式转换为 NumPy 函数。您正在尝试将 NumPy 数组转换为 NumPy 函数。 lambdify 的参数必须是 SymPy 对象。

你想要类似的东西

a_var, b_var = symbols("a b")
expr = a_var + b_var
f = lambdify((a_var, b_var), expr, 'numpy')

然后你会得到

>>> a = np.array([2,3])
>>> b = np.array([1,2])
>>> f(a, b)
array([3, 5])

lambdify 的基本代码流程是 SymPy 表达式 => NumPy 函数。为了让您的头脑和代码保持清晰，您应该从 SymPy 开始，并操作表达式，直到获得羔羊化函数。然后将其与您的 NumPy 数据一起使用。从定义符号名称开始。然后，您可以根据这些符号定义表达式，而无需使用字符串(例如，正如我上面所做的那样)。一旦有了表达式和符号，就可以创建一个羔羊化函数。此时，您将 NumPy 数组传递到函数中。我建议对 SymPy 符号/表达式和 NumPy 数组使用不同的变量名称，这样它们就不会混淆。我还建议对符号使用与符号名称本身相同的变量名称，这样当您打印表达式时，它将完全按照您编写的方式显示(例如，如果您 print(expr)，您将得到a + b，这正是您为获取expr而编写的内容。

在更新的示例中，您可以使用

a, b = symbols("a b")
expr = a + b
f = lambdify((a, b), expr, 'numpy')

data_a = np.array([2,3])
data_b = np.array([1,2])
f(data_a, data_b)

请注意我如何开始创建 SymPy 符号以及从这些符号创建 SymPy 表达式。然后我将其羔羊化。一旦它被羔羊化，我就有了羔羊化函数(f)。此时，我不再使用 SymPy，只是使用 NumPy 数组(数据)和羔羊化函数 f。