Python：从函数中减去一个浮点（以便调用scipy.newton（）

我想调用

scipy.newton（f，x0，df）

我将

f

定义为

def f(x):
    resf = x**2
    return resf

和

df

as

def df(x):
    df = 2*x
    return df

我这样称呼牛顿

x0 = 1.0    
y0 = 6.0
root = newton(f-y0, x0, df)

当然，我得到了一个错误，因为我试图从

函数

中减去

浮点

如何定义函数

f

并调用

newton

来查找

f-y0

的根

语法是什么，输入参数是什么

以下操作不起作用：

 def f(x, y0):
    resf = x**2-y0
    return resf

---

因为我不知道如何调用

newton

你可以传递这样一个匿名函数：

root=newton（λx:f（x）-y0，x0，df）

---

也可以使用嵌套函数：

def difference(x):
    return f(x) - y0

root = newton(difference, x0, df)

---

您可以像这样传递匿名函数：

root=newton（λx:f（x）-y0，x0，df）

---

也可以使用嵌套函数：

def difference(x):
    return f(x) - y0

root = newton(difference, x0, df)

---

您可以将双参数版本的

f（）

用于：

---

与包装单参数版本的

f（）

相比，我更倾向于使用这种方法，因为更容易看出

df（）

是正确的导数w.r.t.

x

您可以将双参数版本的

f（）

用于：

---

与包装单参数版本的

f（）。然后必须修改
df
，以便也接受该附加参数，只需添加
*args、**kwargs
即可

使用
functools.partial
将与12%的额外运行时间相关联

In [26]:
import functools
import scipy.optimize as so

def f(x, y0):
    resf = x**2-y0
    return resf
def df(x, *args, **kwargs):
    df = 2*x
    return df
x0 = 1.0    
y0 = 6.0
so.newton(f, x0, args=(y0,), fprime=df)

Out[26]:
2.449489742783178

In [27]:
%timeit so.newton(f, x0, args=(y0,), fprime=df)
100000 loops, best of 3: 6.54 µs per loop

In [28]:
%timeit so.newton(functools.partial(f, y0=y0), x0, df)
100000 loops, best of 3: 7.4 µs per loop

您可以在
scipy.optimize.newton
中使用一个选项
args=
，以提供其他参数。然后必须修改
df
，以便也接受该附加参数，只需添加
*args、**kwargs
即可

使用
functools.partial
将与12%的额外运行时间相关联

In [26]:
import functools
import scipy.optimize as so

def f(x, y0):
    resf = x**2-y0
    return resf
def df(x, *args, **kwargs):
    df = 2*x
    return df
x0 = 1.0    
y0 = 6.0
so.newton(f, x0, args=(y0,), fprime=df)

Out[26]:
2.449489742783178

In [27]:
%timeit so.newton(f, x0, args=(y0,), fprime=df)
100000 loops, best of 3: 6.54 µs per loop

In [28]:
%timeit so.newton(functools.partial(f, y0=y0), x0, df)
100000 loops, best of 3: 7.4 µs per loop

x从哪里来？我不能告诉你。当我用f来称呼“牛顿”时，如果没有x参数，它似乎是有效的。x从哪里来？我不能告诉你。当我用f调用“newton”时，如果没有x参数，它似乎是有效的。（+1）可能值得一提的是，必须注意确保这个新函数具有与原始函数相同的一阶导数（在本例中，它具有相同的一阶导数）。@Falko:，它不知道y0从哪里来，除非我把它作为一个参数传递给差分（x，y0）。但是当我调用newton（差分（x，y0），x0，df）时，x是未定义的@NPE:y0是一个常数，但总的来说你是对的。
y0
在定义
差分之前需要先定义。那么它在函数中是已知的。（+1）可能值得一提的是，必须注意确保这个新函数与原始函数具有相同的一阶导数（在本例中是这样的）。@Falko:对于你的例子二，它不知道y0来自哪里，除非我将它作为一个参数传递给差分（x，y0）。但是当我调用newton（差分（x，y0），x0，df）时，x是未定义的@NPE:y0是一个常数，但总的来说你是对的。
y0
在定义
差分之前需要先定义。然后在函数中就知道了。总是有
args=
选项可以用来传递附加参数。总是有
args=
选项可以用来传递附加参数。