Python SymPy:lambdified dot()与(3,n)-数组
我有一个Python SymPy:lambdified dot()与(3,n)-数组,python,numpy,sympy,Python,Numpy,Sympy,我有一个lambdifyd sympy函数,其中有一个dot乘积,例如 import numpy as np import sympy class dot(sympy.Function): pass x = sympy.Symbol('x') a = sympy.Matrix([1, 1, 1]) f = dot(x, a) ff = sympy.lambdify((x), f, modules='numpy') x = np.random.rand(3) print(ff(
lambdify
d sympy函数,其中有一个dot
乘积,例如
import numpy as np
import sympy
class dot(sympy.Function):
pass
x = sympy.Symbol('x')
a = sympy.Matrix([1, 1, 1])
f = dot(x, a)
ff = sympy.lambdify((x), f, modules='numpy')
x = np.random.rand(3)
print(ff(x)) # okay
(奇怪的是,自定义dot
声明有效。不知道确切原因,但没关系。如果有更好的解决方案,请告诉我。)
现在我想用一组向量同时调用ff
,所以我去了
x = np.random.rand(3, 10)
print(ff(x))
不好
ValueError: shapes (3,10) and (3,1) not aligned: 10 (dim 1) != 3 (dim 0)
好的,我将不得不转置dot
的第一个参数。但是,在sympy.Symbol('x')
上使用旧的.T
是不合法的
关于如何从lambdified sympy表达式生成质量点积,有什么提示吗?你做了很多奇怪的事情,但我不知道其中有多少是由于过度简化的MCVE造成的 首先,对函数进行更优雅的定义:
import sympy as sym
x = sym.Symbol('x')
a = sym.Matrix([1, 1, 1])
dot = sym.Function('dot')
f = dot(x, a)
ff = sym.lambdify(x, f, modules='numpy')
f = dot(a.T,x)
ff = sym.lambdify(x, f, modules='numpy')
# or
a = np.array(1,1,1) # transpose of previous a
ff = lambda x,a=a: np.dot(a,x)
这一点和你最初的胡言乱语之所以有效,是因为你所要做的就是拥有一个写着“dot
”的东西。一旦你有了它,lambdify
将把np.dot
替换为你符号的那部分
现在,为了完整起见,我会这样做:
import numpy as np
a = np.array([[1],[1],[1]])
ff = lambda x,a=a: np.dot(x,a)
我知道这在你的实际问题中可能不是一个选项,但我的经验是,如果没有符号数学就可以做一些事情,那么像这样做是值得的
现在,为了你的错误。错误很明显,数学也很清楚。您定义了一个函数,用于对任何输入x
使用三维列向量a
计算x*a
。正如错误所表明的,这在数量非常有限的情况下是有意义的。如果两个操作数都是3元素1d数组,则有意义,在这种情况下,将返回标量积。但是,由于其中一个操作数的形状固定为(3,1)
,np.dot
只执行矩阵乘法(对于向量输入,返回一个1元素1d数组,而不是标量)。根据您的定义,它仅适用于可从右侧乘以a
的矩阵,即形状为(N,3)
的矩阵。显然,你的意见并非如此
您应该做的是在数字端转置x
:
x = np.random.rand(3,10)
print(ff(x.T))
这将在函数中输入一个shape(10,3)
数组,然后将其乘以shape(3,1)
中的一个,得到一个shape(10,1)
的2d数组:一个列向量,如果给定的输入向量具有a
,则每行包含标量积
另一个选项是交换函数的定义:
import sympy as sym
x = sym.Symbol('x')
a = sym.Matrix([1, 1, 1])
dot = sym.Function('dot')
f = dot(x, a)
ff = sym.lambdify(x, f, modules='numpy')
f = dot(a.T,x)
ff = sym.lambdify(x, f, modules='numpy')
# or
a = np.array(1,1,1) # transpose of previous a
ff = lambda x,a=a: np.dot(a,x)
这两个函数都将创建一个函数,该函数将从右侧开始的形状数组(1,3)
与输入相乘。然后,您输入的形状(3,10)
的x
是直接兼容的;输出将是10个标量积的一维数组。
在这个公式中,你的哦,嘿,我不知道你是matlab2tikz的作者。太棒了!:)谢谢如果你想提高你的阴谋游戏,请查看。