Python Fmin can'；t将表达式转换为浮点_Python_Scipy_Sympy

Python Fmin can'；t将表达式转换为浮点

python

Python Fmin can'；t将表达式转换为浮点,python,scipy,sympy,Python,Scipy,Sympy,我写了一个程序，首先计算逆拉普拉斯变换，然后计算最小二乘，最后应该最小化这些平方和。不幸的是，我得到了这个错误： Traceback (most recent call last): File "C:/program.py", line 46, in <module> LSQminsearch(f, TF, 0.5, 0.5, 0.5, 0.5) File "C:/program.py", line 36, in LSQminsearch res = opti

我写了一个程序，首先计算逆拉普拉斯变换，然后计算最小二乘，最后应该最小化这些平方和。不幸的是，我得到了这个错误：

Traceback (most recent call last):
  File "C:/program.py", line 46, in <module>
    LSQminsearch(f, TF, 0.5, 0.5, 0.5, 0.5)
  File "C:/program.py", line 36, in LSQminsearch
    res = optimize.fmin(f, [k0, dzeta0, tau0, tauz0], maxiter = 100000000, maxfun=1000000)
  File "C:\Users\xyz\AppData\Local\Programs\Python\Python38-32\lib\site-packages\scipy\optimize\optimize.py", line 443, in fmin
    res = _minimize_neldermead(func, x0, args, callback=callback, **opts)
  File "C:\Users\xyz\AppData\Local\Programs\Python\Python38-32\lib\site-packages\scipy\optimize\optimize.py", line 586, in _minimize_neldermead
    fsim[k] = func(sim[k])
  File "C:\Users\xyz\AppData\Local\Programs\Python\Python38-32\lib\site-packages\sympy\core\expr.py", line 325, in __float__
    raise TypeError("can't convert expression to float")
TypeError: can't convert expression to float

我已经看到了一些关于这个的其他问题，但大多数问题是混合了数学函数的名称空间，但我在代码中没有看到这一点。我无法在此处发布data11.txt中的数据，因为它的字符太多，所以这里是：

您需要的更改：

您应该将符号替换为数字，而不是将字符串替换为数字

函数

应返回浮点值

所以你应该试试这个：

import pandas as pd
from sympy import  symbols, inverse_laplace_transform, sympify
from scipy import optimize

dane = pd.read_fwf('data11.txt', header=None)
dane.columns = ['time', 'response']

T = dane['time']
Yt = dane['response']

t = symbols('t', positive=True, real=True)
s, k, tauz, tau, dzeta = symbols('s k tauz tau dzeta', real=True)

F = (k * ((tauz*s + 1)/((tau**2)*(s**2) + 2*tau*dzeta*s + 1)))
print('Calculating Inverse Laplace')
IL = inverse_laplace_transform(F, s, t)

TF = sympify(IL)

LSQ = 0
print('Calculating least squares')
for i in range(len(T)):
    LSQl = Yt[i]
    LSQp = TF.subs({t: T[i]})   # <-- use t, not 't'
    LSQk = (LSQl - LSQp)**2
    LSQ = LSQ + LSQk

LSQ = sympify(LSQ)

def f(params):
    # use symbols, not string
    # eval to float, be careful about complex number
    re, im = LSQ.subs({k: params[0], dzeta: params[1], tau: params[2], tauz: params[3]}).evalf().as_real_imag()
    return re

def LSQminsearch(f, TF, k0, dzeta0, tau0, tauz0):
    print(f'Searching for minimum for k0= {k0} dzeta0= {dzeta0} tau0= {tau0} tauz0= {tauz0} ...')
    res = optimize.fmin(f, [k0, dzeta0, tau0, tauz0], maxiter = 100000000, maxfun=1000000)
    k = res[0]
    dzeta = res[1]
    tau = res[2]
    tauz = res[3]
    print(f'Found k0= {k} dzeta0= {dzeta} tau0= {tau} tauz0= {tauz} ...')

LSQminsearch(f, TF, 0.5, 0.5, 0.5, 0.5)

将熊猫作为pd导入
从sympy导入符号，逆拉普拉斯变换，sympify
从scipy导入优化
dane=pd.read_fwf（'data11.txt'，header=None）
dane.columns=['time'，'response']
T=丹麦['time']
Yt=丹麦[‘响应’]
t=符号（'t'，正=真，实=真）
s、 k，tauz，tau，dzeta=符号（'s k tauz tau dzeta'，real=True）
F=（k*（（tauz*s+1）/（（tau**2）*（s**2）+2*tau*dzeta*s+1）））
打印（'计算逆拉普拉斯'）
IL=逆拉普拉斯变换（F，s，t）
TF=同情（IL）
LSQ=0
打印（'计算最小二乘'）
对于范围内的i（len（T））：
LSQl=Yt[i]
LSQp=TF.subs（{t:t[i]}）#您需要的更改：
您应该将符号替换为数字，而不是将字符串替换为数字
函数f
应返回浮点值
所以你应该试试这个：
import pandas as pd
from sympy import  symbols, inverse_laplace_transform, sympify
from scipy import optimize

dane = pd.read_fwf('data11.txt', header=None)
dane.columns = ['time', 'response']

T = dane['time']
Yt = dane['response']

t = symbols('t', positive=True, real=True)
s, k, tauz, tau, dzeta = symbols('s k tauz tau dzeta', real=True)

F = (k * ((tauz*s + 1)/((tau**2)*(s**2) + 2*tau*dzeta*s + 1)))
print('Calculating Inverse Laplace')
IL = inverse_laplace_transform(F, s, t)

TF = sympify(IL)

LSQ = 0
print('Calculating least squares')
for i in range(len(T)):
    LSQl = Yt[i]
    LSQp = TF.subs({t: T[i]})   # <-- use t, not 't'
    LSQk = (LSQl - LSQp)**2
    LSQ = LSQ + LSQk

LSQ = sympify(LSQ)

def f(params):
    # use symbols, not string
    # eval to float, be careful about complex number
    re, im = LSQ.subs({k: params[0], dzeta: params[1], tau: params[2], tauz: params[3]}).evalf().as_real_imag()
    return re

def LSQminsearch(f, TF, k0, dzeta0, tau0, tauz0):
    print(f'Searching for minimum for k0= {k0} dzeta0= {dzeta0} tau0= {tau0} tauz0= {tauz0} ...')
    res = optimize.fmin(f, [k0, dzeta0, tau0, tauz0], maxiter = 100000000, maxfun=1000000)
    k = res[0]
    dzeta = res[1]
    tau = res[2]
    tauz = res[3]
    print(f'Found k0= {k} dzeta0= {dzeta} tau0= {tau} tauz0= {tauz} ...')

LSQminsearch(f, TF, 0.5, 0.5, 0.5, 0.5)

将熊猫作为pd导入
从sympy导入符号，逆拉普拉斯变换，sympify
从scipy导入优化
dane=pd.read_fwf（'data11.txt'，header=None）
dane.columns=['time'，'response']
T=丹麦['time']
Yt=丹麦[‘响应’]
t=符号（'t'，正=真，实=真）
s、 k，tauz，tau，dzeta=符号（'s k tauz tau dzeta'，real=True）
F=（k*（（tauz*s+1）/（（tau**2）*（s**2）+2*tau*dzeta*s+1）））
打印（'计算逆拉普拉斯'）
IL=逆拉普拉斯变换（F，s，t）
TF=同情（IL）
LSQ=0
打印（'计算最小二乘'）
对于范围内的i（len（T））：
LSQl=Yt[i]
LSQp=TF.subs（{t:t[i]}）#错误在哪一行？@PaddyHarrison res=optimize.fmin（f[k0，dzeta0，tau0，tauz0]，maxiter=100000000，maxfun=1000000）@PaddyHarrison对不起，我现在粘贴了整个错误谢谢。所以我运行了你的代码，在我的机器上，subs
无法正常工作，不管是什么原因导致了你的错误。如果将所有subs
替换为变量：LSQp=TF.subs（{t:t[i]}）
和LSQ.subs（{k:params[0]，dzeta:params[1]，tau:params[2]，tauz:params[3]}）
，那么它会有所帮助。我遇到的下一个问题是，被替换的方程很复杂，我认为解算器没有很好地处理这个问题。也许取绝对值会有帮助？@PaddyHarrison谢谢。你和阿德塔姆的回答很有帮助：）看起来现在可以了错误在哪一行？@PaddyHarrison res=optimize.fmin（f[k0，dzeta0，tau0，tauz0]，maxiter=100000000，maxfun=1000000）@PaddyHarrison对不起，我现在粘贴了整个错误谢谢。所以我运行了你的代码，在我的机器上，subs
无法正常工作，不管是什么原因导致了你的错误。如果将所有subs
替换为变量：LSQp=TF.subs（{t:t[i]}）
和LSQ.subs（{k:params[0]，dzeta:params[1]，tau:params[2]，tauz:params[3]}）
，那么它会有所帮助。我遇到的下一个问题是，被替换的方程很复杂，我认为解算器没有很好地处理这个问题。也许取绝对值会有帮助？@PaddyHarrison谢谢。你和阿德塔姆的回答很有帮助：）看起来它现在起作用了