在Python中从IDL定义函数

我试图将IDL中的大量代码复制到Python中。我认为我遇到的一个问题是gridgen函数的定义。Gridgen是一个用于生成具有相等对数间距网格点的垂直网格的函数，其中：zmin=网格顶部的坐标；zmax=网格底部的坐标；Nlvls=网格中所需的级别数，z=输出网格

IDL代码为：

FUNCTION GRIDGEN, zmin, zmax, Nlvls
  dlnz       = (ALOG(zmax)-ALOG(zmin))/(Nlvls-1) ;divisions in log space
  z          = FLTARR(Nlvls) ;array of Nlvls points for logarithm to base 10
  z[*]       = 0.            ;initialize grid to zero
  z[Nlvls-1] = ALOG(zmax)    ;assign the maximum value in log spacing
  FOR i=Nlvls-2, 0, -1 DO z[i] = z[i+1] - dlnz ;generate log spacing values
  z          = EXP(z) ;convert from log(z) to actual values
  RETURN, z
END

我是如何将其转换为Python的：

def gridgen100(zmin, zmax, Nlvls):
    dlnz = ((np.log(zmax) - np.log(zmin))/(Nlvls - 1))  # divisions in log space
    z = np.zeros(Nlvls, dtype=float)                    # array of Nlvls points for logarithm to base 10
    z[Nlvls-1] = np.log(zmax)                           # assign the maximum value in log spacing
    for i in np.arange(Nlvls-2, Nlvls-101, -1):         # NOT CORRECT; correct is: for i in [Nlvls-2, 0, -1]:
      z[i] = z[i +1] - dlnz                             # generate log spacing values
      #z = np.exp(np.array(z))                          # convert from log(z) to actual values [MUST DO OUTSIDE DEF]
return z

这些问题是：

因为我是如何使用np.arange创建for循环的，所以当我有不同的NLVL时，我必须定义一个单独的gridgen函数（例如，有时我有100个NLVL，有时我有25个NLVL）

我不能在函数中从log（z）转换为实际值，我必须在定义之外进行转换 我目前没有访问IDL的权限，因此无法通过比较IDL输出和Python输出来进行故障排除

---

我自学Python，是一名初学者，但我感谢任何人提供的任何帮助或建议

IIUC，您的IDL for循环转换为

for i in range(Nlvls-2, -1, -1):

i、 e.从Nlvls-2开始，下降1直到达到0。这给了我

def gridgen(zmin, zmax, Nlvls):
    dlnz = (np.log(zmax) - np.log(zmin))/(Nlvls-1)
    z = np.zeros(Nlvls, dtype=float)
    z[Nlvls-1] = np.log(zmax)
    for i in range(Nlvls-2, -1, -1):
        z[i] = z[i+1] - dlnz
    z = np.exp(z)
    return z

及

但是已经有了一个numpy函数，它可以为您计算日志间距，所以如果我对您所追求的是正确的，您可以使用它来获得相同的结果：

>>> np.logspace(np.log10(2), np.log10(8), 10)
array([ 2.        ,  2.33305808,  2.72158   ,  3.1748021 ,  3.70349885,
        4.32023896,  5.0396842 ,  5.87893797,  6.85795186,  8.        ])

---

（对于第2点，如果您不想返回原始空间，显然可以删除

z=np.exp（z）

行。）

非常感谢！我得到的输出与我使用稍微不正确的代码得到的输出相同，但增加了在定义中包含exp的功能。但我也很高兴能把它装在一个更好的包里，并验证它的正确性。再次感谢你！

>>> np.logspace(np.log10(2), np.log10(8), 10)
array([ 2.        ,  2.33305808,  2.72158   ,  3.1748021 ,  3.70349885,
        4.32023896,  5.0396842 ,  5.87893797,  6.85795186,  8.        ])