Fatal编程技术网
  • numpy/
  • Numpy 有没有办法将scipy集成存储为函数？

Numpy 有没有办法将scipy集成存储为函数？

numpy parallel-processing

Numpy 有没有办法将scipy集成存储为函数？,numpy,parallel-processing,scipy,Numpy,Parallel Processing,Scipy,当我需要计算积分并运行数千次循环时，我遇到了一个问题 该功能的原型是： func_integrated=lambda t:scipy.integrate.quad（func，t，1） 但是，如果我想将func_integrated馈送到一个数组中，这意味着我必须数千次运行此集成，这不是很有效。毕竟，从t到t-dt的序列大约是func（t）*dt 我的猜测是这样写： def功能集成（func，arr）： arr=np.翻转（arr，0）#翻转以从后向前计数表格 out\u arr=np.arra

当我需要计算积分并运行数千次循环时，我遇到了一个问题

该功能的原型是：

func_integrated=lambda t:scipy.integrate.quad（func，t，1）
但是，如果我想将
func_integrated
馈送到一个数组中，这意味着我必须数千次运行此集成，这不是很有效。毕竟，从
t
到
t-dt
的序列大约是
func（t）*dt

我的猜测是这样写：

def功能集成（func，arr）：
arr=np.翻转（arr，0）#翻转以从后向前计数表格
out\u arr=np.array（[0]）
对于范围（1，len（arr））中的i：
增量=arr[i-1]-arr[i]
out_arr=np.hstack（（out_arr，increment*func（arr[i-1]））
返回np.cumsum（out\u arr）
但是，这不是通用的，仍然需要循环。我想知道是否有任何
scipy
或
numpy
方法可以更有效地处理此问题

另外，我知道sympy的方法。然而，这严重依赖于内置函数，因此该方法很难普遍适用。

列表附加比重复的hstack更有效。你能写出
func
这样它一次只取一个点数组而不是一个点数组吗？所以你想对一组范围进行积分
quad
适用于一个范围，可以选择最佳积分间隔等。但是如果您能够在一组已知的值上计算
func
，那么您的
cumsum
的某些版本应该会更好。如果一次调用就可以在所有积分值上计算
func
，则更好。迭代调用
func
的速度较慢。您可以对数组进行排序，然后在连续的区间调用
quad
，并累加这些值
quad
接受
点
参数，但显然不会在这些点返回积分。我不知道其他积分器是否返回这些值。你必须在每个数组值上计算函数。但你是否也需要在两个点之间进行评估，以获得足够的准确度？类似于
quad
的功能会为您解决准确性问题。在多次评估函数的准确性和成本之间存在折衷。列表附加比重复hstack更有效。你能写出
func
这样它一次只取一个点数组而不是一个点数组吗？所以你想对一组范围进行积分
quad
适用于一个范围，可以选择最佳积分间隔等。但是如果您能够在一组已知的值上计算
func
，那么您的
cumsum
的某些版本应该会更好。如果一次调用就可以在所有积分值上计算
func
，则更好。迭代调用
func
的速度较慢。您可以对数组进行排序，然后在连续的区间调用
quad
，并累加这些值
quad
接受
点
参数，但显然不会在这些点返回积分。我不知道其他积分器是否返回这些值。你必须在每个数组值上计算函数。但你是否也需要在两个点之间进行评估，以获得足够的准确度？类似于
quad
的功能会为您解决准确性问题。在多次评估函数的准确性和成本之间存在权衡。