Python 如何将值的numpy数组生成可调用函数？

是否可以使用

scipy.optimize

方案来最小化纯数值而非表达式给出的函数

具体来说，解偏微分方程的程序返回一个数组，其条目是平面中单位平方上方程解的值。我想在最小化问题中使用这个函数。现在所有的

scipy

最小化函数似乎都能很好地用于类型的函数

    def function(x):
        return expression(x)

但我不知道如何在这种情况下使用它们。为了关注一个特定的问题，假设我们有以下数据

    x = np.arange(0,1,0.01)
    y = solution_matrix_row_n

其中，矩阵纯粹是形状的数值

（100100）

，不明确依赖于

x

。例如，针对

x

绘制的具有混合边界条件的泊松方程解的第11行如下所示：

我怎样做一个函数

    x -> y

---

这将被一个

scipy.optimize

schemes？

errr.接受。。正如您在问题中所定义的那样，

返回np.random.randn（100）+2*x

@DrBwts不起作用。我对问题进行了编辑，这样就不会明显依赖于

x

。我刚刚输入了

def函数（x）：返回y

，运行

scipy.optimize.minimize\u scalar（函数）

后，我得到了

TypeError:不支持的操作数类型-：“list”和“list”

。编辑您的问题，包括您尝试过的所有代码，更容易理解您的意思。

scipy.optimize.minimize\u scalar

表示函数必须接受一个标量输入（即一个数值），然后返回一个标量。最小化代码将使用一个值（从某个范围中选择）重复调用此函数，期望返回一个它尝试最小化的值。该函数实际上不必使用

x

的值，但如果不使用，则计算是毫无意义的——“常量”或“随机”函数的最小值是多少？还有其他

最小化

函数，其中一些函数采用数组

x

。但我认为所有的方法都要求

x

为1d（但是2d数组很容易重塑0。并且所有方法都需要一个单一的返回值。从理论上讲，最小化数组值即使不是不可能，也是困难的（）