解渐近lambdify函数

Question

下面是我的代码

from sympy import * 
  
x = symbols('x')
expr = sin(x)
     
# Use sympy.lambdify() method
f = lambdify(x, expr, "math") 

如果print(f)给出'<function _lambdifygenerated at 0x100d643a0>'，有什么方法可以从f返回表达式(sin(x))吗？

Answer 1

help(f)显示器：

Help on function _lambdifygenerated:

_lambdifygenerated(x)
    Created with lambdify. Signature:
    
    func(x)
    
    Expression:
    
    sin(x)
    
    Source code:
    
    def _lambdifygenerated(x):
        return sin(x)

f.__doc__是同一个字符串。

由于我们指定了“数学”，所以标量可以工作，而不是数组：

In [12]: f(1.23)
Out[12]: 0.9424888019316975

In [13]: f(np.arange(3))
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Input In [13], in <module>
----> 1 f(np.arange(3))

File <lambdifygenerated-2>:2, in _lambdifygenerated(x)
      1 def _lambdifygenerated(x):
----> 2     return sin(x)

TypeError: only size-1 arrays can be converted to Python scalars

Answer 2

我已经研究了Sympy的源代码，并找到了在变量funcstr中定义lambdified函数内容的这一行。

https://github.com/sympy/sympy/blob/88b9cba9d7e633ec769baf1fc5267acfd7f54788/sympy/utilities/lambdify.py#L863

# Create the function definition code and execute it
funcname = '_lambdifygenerated'
if _module_present('tensorflow', namespaces):
    funcprinter = _TensorflowEvaluatorPrinter(printer, dummify) # type: _EvaluatorPrinter
else:
    funcprinter = _EvaluatorPrinter(printer, dummify)

if cse == True:
    from sympy.simplify.cse_main import cse as _cse
    cses, _expr = _cse(expr, list=False)
elif callable(cse):
    cses, _expr = cse(expr)
else:
    cses, _expr = (), expr
funcstr = funcprinter.doprint(funcname, iterable_args, _expr, cses=cses)

目前Sympy不返回funcstr，但我在本地安装中对它进行了修改，使其能够返回，这似乎就是您所追求的。

import sympy as sy 
  
x = sy.symbols('x')
expr = sy.sin(x)
     
# Use sympy.lambdify() method
f, funcstr = sy.lambdify(x, expr, "math") 

funcstr.split(":")[-1].split("return")[-1].strip()
>>> 'sin(x)'

我获取内容的方式有点不可靠，也不一定健壮，但我希望它能给您提供一个工作的起点。

请注意，如果使用参数cse，此提取将不准确，因为它将忽略前面的简化。