Python ';不可变的DensendiMarray';对象没有属性';作为独立的';
我是python新手。我正在尝试运行此代码,但出现此错误消息:“ImmutableDenseNDimArray”对象没有“cand_extract_减号”属性Python ';不可变的DensendiMarray';对象没有属性';作为独立的';,python,numpy,sympy,Python,Numpy,Sympy,我是python新手。我正在尝试运行此代码,但出现此错误消息:“ImmutableDenseNDimArray”对象没有“cand_extract_减号”属性 import sympy as sp import numpy as np np.random.seed(1) simx=np.random.normal(loc=(0, 0, 0), scale=(1, 2, 1), size=(1000,3)) simx=np.matrix(simx)
import sympy as sp
import numpy as np
np.random.seed(1)
simx=np.random.normal(loc=(0, 0, 0), scale=(1, 2, 1), size=(1000,3))
simx=np.matrix(simx)
matx = np.hstack(( np.ones((1000, 1)), simx[:, 0:2] ))
beta0, beta1, beta2 = 1, 2, 0.5
y = beta0*matx[:,0] + beta1*matx[:,1] + beta2*matx[:,2] + simx[:,2]
a, b, c = sp.symbols('a, b, c')
residual=y-a*matx[:,0] - b*matx[:,1] - c*matx[:,2]
epsilon=residual.T@residual
da=sp.diff(epsilon[0],a)
db=sp.diff(epsilon[0],b)
dc=sp.diff(epsilon[0],c)
sp.solve([da, db, dc])
请帮忙!非常感谢。在构造
simx
时,您使用np.matrix
。结果是,以下所有数组也是np.matrix
。如果您阅读了np.matrix
文档,您会发现,如果该类实际上没有被弃用,那么它是不受欢迎的
在isympy
会话中,您的代码生成:
In [22]: type(epsilon)
Out[22]: numpy.matrix
In [23]: epsilon.dtype, epsilon.shape
Out[23]: (dtype('O'), (1, 1))
In [24]: epsilon[0].dtype, epsilon[0].shape
Out[24]: (dtype('O'), (1, 1))
由于np。矩阵classepsilon[0]
对您没有任何帮助
如果要从该矩阵中提取sympy元素,则必须使用完整的二维索引:
In [25]: type(epsilon[0,0])
Out[25]: sympy.core.add.Add
看看当您尝试将sympy.diff
应用于矩阵时会发生什么,而不是Add
:
In [26]: type(diff(epsilon[0],a))
Out[26]: sympy.tensor.array.dense_ndim_array.ImmutableDenseNDimArray
In [27]: type(diff(epsilon[0,0],a))
Out[27]: sympy.core.add.Add
在[26]中,diff
已将np.matrix
转换为sympy
数组对象。显然,sympy.solve
在这方面有问题。使用[27]中生成的diff
可能没问题
正如我所评论的,混合numpy
和sympy
不适合初学者。使用np.matrix
(与np.array
)只会让事情变得更复杂
调试时,请真正注意错误消息,包括回溯。我们通常希望您完整地展示它,尽管在本例中,您已经提供了足够的代码来重现问题。同时也要检查变量——就像我在epsilon
中所做的那样
===
请在问题中提供您的错误日志不要同时使用numpy
和sympy
,除非您确实知道自己在做什么。通常,sympy.lambdify
是集成它们的唯一有用方法。使用Symphy的
自己的矩阵模块或列表。如果需要更多帮助,请显示完整的错误消息(回溯),以及相关的变量或数组。我知道了。非常感谢你!
In [28]: da=diff(epsilon[0,0],a)
...: db=diff(epsilon[0,0],b)
...: dc=diff(epsilon[0,0],c)
In [29]: foo = solve([da,db,dc])
In [30]: foo
Out[30]: {a: 1.0137595332538, b: 2.00366875358228, c: 0.491065343898908}