- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
scipy.integrate 中的 quad 需要参数 func、a、b。其中 func 是要积分的函数,a 和 b 分别是积分下限和积分上限。 a 和 b 必须是数字。
我遇到这样一种情况,我需要为数十万个不同的 a、b 计算函数的积分并对结果求和。这需要很长时间才能循环。我试图只为 a 和 b 提供四边形数组,希望四边形会返回相应的数组,但这没有用。
这是一个代码,说明了我正在尝试做的事情,其中 Python 循环有效但速度非常慢,而我尝试进行矢量化却无效。关于如何快速(numpy-is)解决这个问题的任何建议?
import numpy as np
from scipy.integrate import quad
# The function I need to integrate:
def f(x):
return np.exp(-x*x)
# The large lists of different limits:
a_list = np.linspace(1, 100, 1e5)
b_list = np.linspace(2, 200, 1e5)
# Slow loop:
total_slow = 0 # Sum of all the integrals.
for a, b in zip(a_list, b_list):
total_slow += quad(f, a, b)[0]
# (quad returns a tuple where the first index is the result,
# therefore the [0])
# Vectorized approach (which doesn't work):
total_fast = np.sum(quad(f, a_list, b_list)[0])
"""This error is returned:
line 329, in _quad
if (b != Inf and a != -Inf):
ValueError: The truth value of an array with more than
one element is ambiguous. Use a.any() or a.all()
"""
编辑:
我需要集成的实际功能 (rho
) 还包含另外两个因素。 rho0
是一个与a_list
和b_list
等长的数组。 H
是一个标量。
def rho(x, rho0, H):
return rho0 * np.exp(- x*x / (2*H*H))
编辑 2:
分析不同的解决方案。 “space_sylinder”是发生积分的函数。 Warren Weckesser 的建议与通过简单分析函数传递数组一样快,比慢速 Python 循环快约 500 倍(注意程序甚至没有完成的调用次数,它仍然使用了 657 秒)。
ncalls tottime percall cumtime percall filename:lineno(function)
# Analytic (but wrong) approximation to the solution of the integral:
108 1.850 0.017 2.583 0.024 DensityMap.py:473(space_sylinder)
# Slow python loop using scipy.integrate.quad:
69 19.223 0.279 657.647 9.531 DensityMap.py:474(space_sylinder)
# Vectorized scipy.special.erf (Warren Weckesser's suggestion):
108 1.786 0.017 2.517 0.023 DensityMap.py:475(space_sylinder)
最佳答案
exp(-x*x)
的积分是 error function 的缩放版本, 所以你可以使用 scipy.special.erf
计算积分。给定标量 a
和 b
,函数从 a
到 b
的积分是 0.5*np .sqrt(np.pi)*(erf(b) - erf(a))
。
erf
是一个 "ufunc" ,这意味着它处理数组参数。给定 a_list
和 b_list
,你的计算可以写成
total = 0.5*np.sqrt(np.pi)*(erf(b_list) - erf(a_list)).sum()
rho
函数也可以用 erf
处理,方法是使用适当的缩放比例:
g = np.sqrt(2)*H
total = g*rho0*0.5*np.sqrt(np.pi)*(erf(b_list/g) - erf(a_list/g)).sum()
在依赖它之前,对照你的缓慢解决方案检查它。对于某些值,erf
函数的减法会导致精度显着降低。
关于python - 极限数组上的 scipy.integrate.quad,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29035107/
我在使用 cx_freeze 和 scipy 时无法编译 exe。特别是,我的脚本使用 from scipy.interpolate import griddata 构建过程似乎成功完成,但是当我尝试
是否可以通过函数在 scipy 中定义一个稀疏矩阵,而不是列出所有可能的值?在文档中,我看到可以通过以下方式创建稀疏矩阵 There are seven available sparse matrix
SciPy为非线性最小二乘问题提供了两种功能: optimize.leastsq()仅使用Levenberg-Marquardt算法。 optimize.least_squares()允许我们选择Le
SciPy 中的求解器能否处理复数值(即 x=x'+i*x")?我对使用 Nelder-Mead 类型的最小化函数特别感兴趣。我通常是 Matlab 用户,我知道 Matlab 没有复杂的求解器。如果
我有看起来像这样的数据集: position number_of_tag_at_this_position 3 4 8 6 13 25 23 12 我想对这个数据集应用三次样条插值来插值标签密度;为此
所以,我正在处理维基百科转储,以计算大约 5,700,000 个页面的页面排名。这些文件经过预处理,因此不是 XML 格式。 它们取自 http://haselgrove.id.au/wikipedi
Scipy 和 Numpy 返回归一化的特征向量。我正在尝试将这些向量用于物理应用程序,我需要它们不被标准化。 例如a = np.matrix('-3, 2; -1, 0') W,V = spl.ei
基于此处提供的解释 1 ,我正在尝试使用相同的想法来加速以下积分: import scipy.integrate as si from scipy.optimize import root, fsol
这很容易重新创建。 如果我的脚本 foo.py 是: import scipy 然后运行: python pyinstaller.py --onefile foo.py 当我启动 foo.exe 时,
我想在我的代码中使用 scipy.spatial.distance.cosine。如果我执行类似 import scipy.spatial 或 from scipy import spatial 的操
Numpy 有一个基本的 pxd,声明它的 c 接口(interface)到 cython。是否有用于 scipy 组件(尤其是 scipy.integrate.quadpack)的 pxd? 或者,
有人可以帮我处理 scipy.stats.chisquare 吗?我没有统计/数学背景,我正在使用来自 https://en.wikipedia.org/wiki/Chi-squared_test 的
我正在使用 scipy.odr 拟合数据与权重,但我不知道如何获得拟合优度或 R 平方的度量。有没有人对如何使用函数存储的输出获得此度量有建议? 最佳答案 res_var Output 的属性是所谓的
我刚刚下载了新的 python 3.8,我正在尝试使用以下方法安装 scipy 包: pip3.8 install scipy 但是构建失败并出现以下错误: **Failed to build sci
我有 my own triangulation algorithm它基于 Delaunay 条件和梯度创建三角剖分,使三角形与梯度对齐。 这是一个示例输出: 以上描述与问题无关,但对于上下文是必要的。
这是一个非常基本的问题,但我似乎找不到好的答案。 scipy 到底计算什么内容 scipy.stats.norm(50,10).pdf(45) 据我了解,平均值为 50、标准差为 10 的高斯中像 4
我正在使用 curve_fit 来拟合一阶动态系统的阶跃响应,以估计增益和时间常数。我使用两种方法。第一种方法是在时域中拟合从函数生成的曲线。 # define the first order dyn
让我们假设 x ~ Poisson(2.5);我想计算类似 E(x | x > 2) 的东西。 我认为这可以通过 .dist.expect 运算符来完成,即: D = stats.poisson(2.
我正在通过 OpenMDAO 使用 SLSQP 来解决优化问题。优化工作充分;最后的 SLSQP 输出如下: Optimization terminated successfully. (Exi
log( VA ) = gamma - (1/eta)log[alpha L ^(-eta) + 测试版 K ^(-eta)] 我试图用非线性最小二乘法估计上述函数。我为此使用了 3 个不同的包(Sc
我是一名优秀的程序员,十分优秀!