结合数组的Sympy lambdify错误

Question

我想用同情来修饰数组输入。这是我的第一次尝试：

import sympy as sym
import numpy as np

# Load Data
data = np.loadtxt( "D:\data.r2023.c87.dat", skiprows=1) 

# Access to columns
vza = data [:,2]
sza = data [:,4]

# var_psi is the array input
psi = (1/(np.cos(sza))) + (1/(np.cos(vza)))
var_tau, var_omega, var_psi = sym.symbols('var_tau var_omega var_psi', real = True) 

sBetaFunc = sym.exp(-var_tau * var_psi)
sBeta = sym.lambdify(var_psi, sBetaFunc, modules=[“numpy”, "sympy"])

如果我现在尝试调用该函数，将出现以下错误：

>>> sBeta(psi)
>>> AttributeError: 'Mul' object has no attribute 'exp'

如果以这种方式尝试，将出现以下错误：

>>> sBeta(*psi)
>>> TypeError: <lambda>() takes exactly 1 argument (79 given)

我读了很多关于这个问题的文章。然而，似乎没有什么适合我的问题或我的情况。

我需要一个渐近函数，因为我想用微分函数和渐近函数来区分一些非常复杂的函数。

谢谢你的进阶。

编辑：

现在我试了一下：

import sympy as sym
import numpy as np
from sympy.abc import w, x, y, z    

sBetaFunc = sym.exp(-var_tau * x)
sBeta = sym.lambdify(x, sBetaFunc, modules=["sympy"])

现在出现了另一个错误：

>>> sBeta(psi)
>>> ValueError: sequence too large; cannot be greater than 32

Answer 1

我不完全确定您收到的所有错误消息；我发现的一件事是，它可能是由clash in name space引起的。当您显式导入函数时，这里可能不是这个问题。我认为这是因为您没有为var_tau提供值。

以下是您想要完成的任务：

import sympy as sym
import numpy as np

var_tau, var_omega, var_psi = sym.symbols('var_tau var_omega var_psi', real=True)

sBetaFunc = sym.exp(-var_tau * var_psi)

# also take your tau into account
sBeta = sym.lambdify((var_tau, var_psi), sBetaFunc, modules=np)

# your data; replace with actual values
psi = np.array([1, 2, 3])

# your value for tau
my_tau = 1.

# evaluate your function
result = sBeta(my_tau, psi)

然后result看起来是这样的：

array([ 0.36787944,  0.13533528,  0.04978707])

Answer 2

如果有人面临同样的问题，我会给你一个解决方案:根据@Cleb的回答，我解决了这个问题，这就是：

    psi = np.array([1, 2, 3])

    var_tau = sym.symbols('var_tau', real = True)        

    sBeta = sym.lambdify((x, y), np.e**(-x*y), ["numpy", "sympy"])
    result = sBeta(var_tau, psi)

然后result看起来是这样的：

array([2.71828182845905**(-var_tau), 2.71828182845905**(-2*var_tau),
   2.71828182845905**(-3*var_tau)], dtype=object)

现在，我能够像这样使用sym.diff函数：

In [1]: sym.diff(result[1], var_tau)
Out[1]: -2.0*2.71828182845905**(-2*var_tau)

但是，如果我把var_tau作为一个变量来处理，它会很好地工作。