Python 使用Numpy和Pyplot进行条件打印
我试图绘制一个有条件定义的函数。明确地: U(x)=(2**delta)/((D-D)**delta)*(D/2-(x-x0))**delta,对于小于D/2的abs(x-x0),否则为0 但我的问题是,我希望将x,x0作为numpy数组,因为这就是我在实际代码的其余部分中使用它们的方式 我设置了以下示例:Python 使用Numpy和Pyplot进行条件打印,python,numpy,plot,comparison,conditional,Python,Numpy,Plot,Comparison,Conditional,我试图绘制一个有条件定义的函数。明确地: U(x)=(2**delta)/((D-D)**delta)*(D/2-(x-x0))**delta,对于小于D/2的abs(x-x0),否则为0 但我的问题是,我希望将x,x0作为numpy数组,因为这就是我在实际代码的其余部分中使用它们的方式 我设置了以下示例: import numpy as np import matplotlib.pyplot as plt AD = 0.2 D = 0.4 delta = 8 def Parabolic(x,
import numpy as np
import matplotlib.pyplot as plt
AD = 0.2
D = 0.4
delta = 8
def Parabolic(x, delta, D, AD):
x0 = np.round(x)
tempx = np.abs(x-x0)
tempD = D/2*np.ones(len(x))
if tempx<tempD:
return ((2**delta)/(D-AD)**delta)*(D/2 - (x-x0))**delta
else:
return 0
figure = plt.figure(figsize=(10,8), dpi=72)
xmin = -1.0
xmax = 1.0
X = np.linspace(xmin,xmax,1000)
plt.plot(X, Parabolic(X, delta=8, D=0.4, AD=0.2))
将numpy导入为np
将matplotlib.pyplot作为plt导入
AD=0.2
D=0.4
δ=8
def抛物线(x,增量,D,AD):
x0=np.圆形(x)
tempx=np.abs(x-x0)
tempD=D/2*np.one(len(x))
如果tempx尝试使用numpy逻辑阵列:
import numpy as np
import matplotlib.pyplot as plt
AD = 0.2
D = 0.4
delta = 8
def Parabolic(x, delta, D, AD):
rtn_arr = np.zeros(len(x))
x0 = np.round(x)
tempx = np.abs(x-x0)
tempD = D/2*np.ones(len(x))
lgc_arr = tempx<tempD
x_cut = x[lgc_arr]
x0_cut = x0[lgc_arr]
rtn_arr[lgc_arr] = ((2**delta)/(D-AD)**delta)*(D/2 - (x_cut-x0_cut))**delta
return rtn_arr
figure = plt.figure(figsize=(10,8), dpi=72)
xmin = -1.0
xmax = 1.0
X = np.linspace(xmin,xmax,1000)
plt.plot(X, Parabolic(X, delta=8, D=0.4, AD=0.2))
将numpy导入为np
将matplotlib.pyplot作为plt导入
AD=0.2
D=0.4
δ=8
def抛物线(x,增量,D,AD):
rtn_arr=np.零(len(x))
x0=np.圆形(x)
tempx=np.abs(x-x0)
tempD=D/2*np.one(len(x))
lgc_arr=tempx必须是一个ufunc,所以不能在代码中使用python测试
一个简单的解决方法是:
def Parabolic(x, delta, D, AD):
x0 = np.round(x)
tempx = np.abs(x-x0)
tempD = D/2*np.ones(len(x))
u=(((2**delta)/(D-AD)**delta)*(D/2 - (x-x0))**delta)
u[tempx>=tempD]=0
return u
或者为了避免不必要的计算:
def Parabolic2(x, delta, D, AD):
x0 = np.round(x)
tempx = np.abs(x-x0)
tempD = D/2*np.ones(len(x))
u= zeros_like(x)
valid=tempx<tempD
u[valid]=(((2**delta)/(D-AD)**delta)*(D/2 - (x-x0)[valid])**delta)
return u
嗯,这正是我想要的。我设法用python列表和append解决了我的问题,但当然没有那么好。你的才是我想要的。我不知道人们可以使用x_cut=x[lgc_array]
只获得与true对应的元素!最后一件事:你能给我解释一下行lgc_arr=tempxtempx@GeorgeDatseris正如你所说。numpy数组重新定义了条件运算符(可以对任何自定义类进行定义),因此使用>,这也是一个很好的解决方法,并且非常简单。然而,这确实意味着我必须计算所有值的函数,无论大小。在普通代码中,这将花费大量时间。我打算对u
函数的非常高和非常小的值使用第一个答案,主要是为了避免计算。我认为第二个版本不会工作,因为u[tempxI试图运行代码,但确实由于您所说的原因,它没有完成。关于您的错误,请参阅及其侧栏。
In [141]: %timeit Parabolic(x,8,.4,.2)
1000 loops, best of 3: 310 µs per loop
In [142]: %timeit Parabolic2(x,8,.4,.2)
1000 loops, best of 3: 218 µs per loop