Python 如何将lambda表达式与scipy.derivative方法正确结合使用？_Python_Function_Lambda_Scipy

Python 如何将lambda表达式与scipy.derivative方法正确结合使用？

python function lambda

Python 如何将lambda表达式与scipy.derivative方法正确结合使用？,python,function,lambda,scipy,Python,Function,Lambda,Scipy,我编写了以下函数来计算反应系统中单个反应激发的概率，并将函数的输出、系统激发的每个反应的概率存储为一个数组： def propensity_calc(LHS, popul_num, stoch_rate): propensity = np.zeros(len(LHS)) for row in range(len(LHS)): a = stoch_rate[row] for i in range(len(popul_num)

我编写了以下函数来计算反应系统中单个反应激发的概率，并将函数的输出、系统激发的每个反应的概率存储为一个数组：

def propensity_calc(LHS, popul_num, stoch_rate):
    propensity = np.zeros(len(LHS))
    for row in range(len(LHS)):
            a = stoch_rate[row]     
            for i in range(len(popul_num)):
                if (popul_num[i] >= LHS[row, i]):       
                    binom_rxn = binom(popul_num[i], LHS[row, i])
                    a = a*binom_rxn
                else:
                    a = 0
                    break
            propensity[row] = a     
    return propensity

此函数的输入为3个数组

popul_num

具有每个反应物的离散分子数，

LHS

是一个2D数组，具有系统中每个反应的每个分子种类之间的比率，

stoch_rate

是每个反应的速率

现在我想用SimPi.MISC.Mead方法在不同函数中调用<代码> PROSPIONITY CALC/<代码>函数，计算偏导数：BJI（x）= DAJ（x）/Xi，其中AJ（x）是由上述的PosithySalc函数的结果，席席是相应的PuxnNUM数组的相应元素。p> 这是我到目前为止写的：

from scipy.misc import derivative
from scipy import optimize

def time_step_calc(popul_num, state_change_array, a0):
    # equation 22:
    expctd_net_change = a0*state_change_array
    print("expected net change:\n", expctd_net_change)
    # equation 24 partial differentiation:
    for x in range(len(popul_num)):
        part_propensity_diff = derivative(lambda LHS, popul_num, stoch_rate: propensity_calc, popul_num[x])    <-- Error here with the number of arguments passed to lambda
    # equation 26:
    t_step = epsi*a0 / sum(expctd_net_change*part_propensity_diff)
    delta_t = optimize.fmin(t_step, 0.00012) 
    print("calculated delta_t:\n", delta_t)
    return delta_t

来自scipy.misc导入衍生工具
从scipy导入优化
定义时间步长计算（人口数、状态变化数组、a0）：
#等式22：
expctd_net_change=a0*状态_change_数组
打印（“预期净变化：\n”，expctd\u净变化）
#方程24偏微分：
对于范围内的x（len（popul_num））：
part_-property_diff=导数（lambda LHS，popul_num，stoch_rate:property_calc，popul_num[x]）您定义的lambda
是一个由三个参数组成的常数函数，总是返回一个函数。因为你想要一个一维函数（据我所知），你的意思可能是：
lambda popul\u num：倾向性计算（LHS、popul\u num、stoch\u rate）

这可以理解为“接受名为popul\u num
的参数并返回property\u calc（LHS、popul\u num、stoch\u rate）
”的函数
通过使用上述lambda
在populi_num[x]
点调用scipy.misc.derivative
，您将获得倾向计算相对于populi_num
点（LHS，populi_num，stoch_rate）
的偏导数值。这意味着在这种情况下，您必须定义LHS
和stoch_rate
。事实上，不要忘记偏导数仍然是三个参数的函数。
您定义的lambda
是三个参数的常数函数，总是返回一个函数。因为你想要一个一维函数（据我所知），你的意思可能是：
lambda popul\u num：倾向性计算（LHS、popul\u num、stoch\u rate）

这可以理解为“接受名为popul\u num
的参数并返回property\u calc（LHS、popul\u num、stoch\u rate）
”的函数
通过使用上述lambda
在populi_num[x]
点调用scipy.misc.derivative
，您将获得倾向计算相对于populi_num
点（LHS，populi_num，stoch_rate）
的偏导数值。这意味着在这种情况下，您必须定义LHS
和stoch_rate
。事实上，不要忘记偏导数仍然是三个参数的函数。
通常，Scipy只向lambda函数传递一个参数，因此它只传递LHS的值。请看下面的示例：
这里，4.99是将x移动1e-6时f对x=1的导数。假设f有两个变量：
def f(x, y):
    return x**3 + y**2

如果需要y的偏导数，那么需要为scipy提供一个包装函数来了解要更改的变量。这看起来像：
def wrapper(y):
    return f(x, y)

当然，现在你需要一个x的值
x = 1
derivative(wrapper, 2)
4.0

通常，Scipy只向lambda函数传递一个参数，因此它只传递LHS的值。请看下面的示例：
这里，4.99是将x移动1e-6时f对x=1的导数。假设f有两个变量：
def f(x, y):
    return x**3 + y**2

如果需要y的偏导数，那么需要为scipy提供一个包装函数来了解要更改的变量。这看起来像：
def wrapper(y):
    return f(x, y)

当然，现在你需要一个x的值
x = 1
derivative(wrapper, 2)
4.0

谢谢你的帮助，但是w.r.t速记代表什么？关于感谢帮助，但是w.r.t速记代表什么？关于感谢，我对包装函数有点不确定。你能给我指一个能让我更多了解他们的地方吗？Cheeset只是一个调用另一个函数的函数（在本文中，使用较少的参数）。这相当于做：导数（λy:f（x，y），2）谢谢，我对包装函数有点不确定。你能给我指一个能让我更多了解他们的地方吗？Cheeset只是一个调用另一个函数的函数（在本文中，使用较少的参数）。它等价于doing:导数（λy:f（x，y），2）