Python arg和atan2之间差异的原因

最近，使用sympy I Play和cos（x）作为一个复杂函数，发现提供的参数函数

arg

和

atan2

函数产生不同的结果。通过绘制结果可以很容易地显示这一点

将sympy作为sp导入
c=sp.cos（x）
sp.plot（sp.atan2（sp.im（c）、sp.re（c）））
sp.plot（sp.arg（c））

虽然差异只是pi的自然倍数，但我希望这两个函数都返回上面的图。这也是WolframAlpha的产量，参见和。 有趣的是，如果我用数值计算参数（使用Symphy函数），我会得到预期的结果：

将numpy导入为np
将matplotlib.pyplot作为plt导入
xv=np.linspace（-10,10200）
plt.plot（xv，[sp.arg（i）表示np.cos（xv）中的i）]）

有人能给我指出其中的区别吗？也许是一个合理的解决方案，以获得相同的结果

---

我使用的是Symphy 0.7.5。

不同的绘图来自Symphy内部的优化。当您绘制某些内容时，sympy在内部使用numpy来评估您的函数。Symphy的函数

矢量化的\u lambdify

将

arg（cos（x））

转换为它的numpy等价物

np.angle（np.cos（x））

，然后Symphy为适当的numpy数组计算该值。所以sympy所做的大致相当于

import numpy as np
import matplotlib as plt

xv = np.array(np.linspace(-10,10,200), dtype=np.complex)
plt.plot(xv, np.angle(np.cos(xv)))

这将复制从-pi到pi的跳跃。有关Symphy中的重要代码行，请参见

使用atan的另一个变体重写为

np.arctan2(-np.sin(np.real(x))*np.sinh(np.imag(x)), 
            np.cos(np.real(x))*np.cosh(np.imag(x)))

这相当于numpy的，事实上，这也是跳跃的特点。因此，从我的角度来看，更重要的问题是：

sp.atan2（…）

的绘图为什么看起来不同

我还没找到原因，但我相信这可能超出了你的问题范围？！回答你的问题：

• 只要您使用Symphy中的符号版本，您所做的一切都是正确的，两者都是等效的
• 如果你想得到相同的结果，最简单的方法可能是绘制模2pi。或者，通过直接从numpy绘制类似于

  lambda val:（expr）.subs（x，val）

  的曲线图，避免调用

  experimental\u lambdify

  ，或者完全替换lambdify：在运行第一个示例之前执行以下代码，两个曲线图看起来都像上面的曲线图：
  import sympy.plotting.experimental_lambdify sympy.plotting.experimental_lambdify.experimental_lambdify = lambda x, exp, **kwargs: vectorize(lambda val: exp.subs(x[0], val)) 导入sympy.plotting.experimental\u lambdify sympy.plotting.experimental\u lambdify.experimental\u lambdify=lambda x，exp，**kwargs:vectorize（lambda val:exp.subs（x[0]，val）） （请注意，此版本的代码段仅适用于1d绘图。）

---

这可能是一种预期行为。参数通常从-pi到pi，因为复杂平面中的分支切割发生在负实轴，而不是正实轴
I更倾向于上图，因为Wolfram Alpha为两种方法都产生了这一点。毕竟，这似乎只是内部定义不同的结果？是的，我明白了。我的观点是要表明，这种差异源于将sympy代码翻译成numpy代码，这只是情节中的一个问题，而不是其他地方的问题。我回答的最后一行暗示了如何用两个调用生成相同的图。我将扩展这个问题的答案。谢谢你的输入！我肯定认为这是一种症状。绘制时应考虑这些差异。如果你能找出更多的原因，请记下。它们肯定是相等的<代码>arg（x）.重写（atan2）给出

atan2（im（x），re（x））

。