Python 函数的多个返回值作为scipy.minimize中的输入

我是python新手，我的任务是最小化具有3个返回值的数学函数（如我必须使用的模板中提供的），但我只需要这些返回值中的第一个。这里有一个例子

```
def exponential_function(x):

   value = -np.exp(-0.5 * (x[0]**2 + x[1]**2))
   grad = np.array([-value * x[0], -value * x[1]])

   return value, grad, np.array([0,0])

```

这必须是optimize.minimize的第一个参数。这只适用于一个返回（=值），但在这种情况下我不知道。我尝试了包装器函数，但失败了

---

提前感谢您

嘿，您可以使用三个变量调用函数来存储返回值，例如：

value_return, grad_return, array_return = exponential_function(x)

因此，每个返回值都存储在相应的变量中。之后，您可以使用这些变量（在函数之外！）。 或者，只需删除您不需要的其他报税表

---

这是否回答了您的问题？

嘿，您可以使用三个变量调用函数来存储返回的值，例如：

value_return, grad_return, array_return = exponential_function(x)

因此，每个返回值都存储在相应的变量中。之后，您可以使用这些变量（在函数之外！）。 或者，只需删除您不需要的其他报税表

---

这是否回答了您的问题？

适合作为optimize.minimize的第一个参数的函数对象是：

---

适合作为optimize.minimize的第一个参数的函数对象是：

你试过什么包装纸。您不需要任何花哨的东西，只需要调用给定函数，但只返回第一个结果，

value

：

def exponential_function(x):

   value = -np.exp(-0.5 * (x[0]**2 + x[1]**2))
   grad = np.array([-value * x[0], -value * x[1]])

   return value, grad, np.array([0,0])

def myfunc(x):
   value, grad, arr = exponential_function(x)
   return value

您可以像其他答案中所建议的那样使用

lambda

，但我尝试创建一个更明确的包装函数，这可能更容易理解

当我们问你尝试了什么，我们并不期待你会尝试工作。我们希望看到您尝试了什么，并更好地了解您所了解（或缺少）的内容。我们的目标是让你思考，并尽可能解决自己的问题，而不是填鸭式地给出答案。

你尝试了哪种包装。您不需要任何花哨的东西，只需要调用给定函数，但只返回第一个结果，

value

：

def exponential_function(x):

   value = -np.exp(-0.5 * (x[0]**2 + x[1]**2))
   grad = np.array([-value * x[0], -value * x[1]])

   return value, grad, np.array([0,0])

def myfunc(x):
   value, grad, arr = exponential_function(x)
   return value

您可以像其他答案中所建议的那样使用

lambda

，但我尝试创建一个更明确的包装函数，这可能更容易理解

---

当我们问你尝试了什么，我们并不期待你会尝试工作。我们希望看到您尝试了什么，并更好地了解您所了解（或缺少）的内容。目标是让你思考，并尽可能解决你自己的问题，而不是填鸭式回答。

嘿，steTATO，谢谢你的回答。恐怕这行不通。我不能只使用变量作为minmizence的第一个参数，minimize只能接受一个函数，定义一个包装函数或lambda，如图所示。嘿，steTATO，谢谢你的回答。恐怕这行不通。我不能只使用变量作为minmizence的第一个参数，minimize只能接受一个函数，定义一个包装函数或lambda，如图所示。“我尝试了包装函数，但失败了。”准确地显示您尝试了什么以及出现了什么错误。一个包装器函数应该可以工作。我已经做了4个小时了，我尝试了一些东西，所以我真的没有什么要展示的……”我尝试了包装器函数，但失败了。“准确地展示你尝试了什么以及你遇到了什么错误。包装器函数应该可以用。我已经用了4个小时了，我尝试了一些东西，所以我真的没有什么可以展示的。。。