形状为(n，)的Sympy lambdify阵列

Question

目前，我对渐近有以下“问题”：

我有一个像M = matrix([pi*a, sin(1)*b])这样的符号表达式，我想要lambdify它并将其传递给数值优化器。问题是优化器需要该函数来输入/输出形状为(n,)而不是(n,1)的numpy数组。

现在，我已经能够通过以下代码(MWE)实现这一点：

import numpy as np
import sympy as sp
a, b = sp.symbols('a, b')
M = sp.Matrix([2*a, b])
f_tmp = sp.lambdify([[a,b]], M, 'numpy')
fun   = lambda x: np.reshape( f_tmp(x), (2,))

现在，这当然是非常丑陋的，因为每次评估fun时都需要应用重塑(这可能需要很多次)。有没有办法避免这个问题？根据定义，Matrix类始终是二维的。我试过使用sympy的MutableDenseNDimArray-class，但它们不能与lambdify一起使用(符号变量无法识别)

Answer 1

一种方法是将矩阵转换为嵌套列表，并取第一行：

fun = sp.lambdify([[a, b]], M.T.tolist()[0], 'numpy')

现在fun([2, 3])就是[4, 3]了。这是一个Python列表，不是一个NumPy数组，但是优化器(至少是SciPy中的优化器)应该可以接受。

一个人也可以做

fun = sp.lambdify([[a, b]], np.squeeze(M), 'numpy')

它还返回一个列表。

在我的测试中，上述两种方法的速度一样快，而且比带有包装函数的版本(无论是np.squeeze还是np.reshape)更快:大约6µs对9µs。似乎是因为消除了一个函数调用。