如何积分一个函数w.r.t时间；即'y‘是一个数组，时间(T)的值从1变化到3000

Question

如何集成一个函数f(y) w.r.t时间；也就是说，'y'是一个包含3000个值的数组，而time(t)的值在1到3000之间变化。因此，在集成f(y)之后，我需要3000个值。积分将是不确定的，并且整数值必须没有'x'和'C'(Constant)。这是我的代码的一部分：

k12 = np.array([random.random() for _ in range(3000)])
I1 = np.array([random.random() for _ in range(3000)])
m12 = np.array([random.random() for _ in range(3000)])
_k12 = [-x for x in k12]
_m12 = [-x for x in m12]

k21 = np.array([random.random() for _ in range(3000)])
I2 = np.array([random.random() for _ in range(3000)])
m21 = np.array([random.random() for _ in range(3000)])
_k21 = [-x for x in k21]
_m21 = [-x for x in m21]

k12_I1 = [i / j for i, j in zip(k12, I1)]
m12_I1 = [i / j for i, j in zip(m12, I1)]
_k12_I1 = [i / j for i, j in zip(_k12, I1)]
_m12_I1 = [i / j for i, j in zip(_m12, I1)]

k21_I2 = [i / j for i, j in zip(k21, I2)]
m21_I2 = [i / j for i, j in zip(m21, I2)]
_k21_I2 = [i / j for i, j in zip(_k21, I2)]
_m21_I2 = [i / j for i, j in zip(_m21, I2)]

X1_x = np.array(pd.read_csv(r"C:/Users/Lenovo/Desktop/Temp/X1_x.csv"))
X2 = np.array(pd.read_csv(r"C:/Users/Lenovo/Desktop/Temp/X2.csv"))
X2_diff = np.array(pd.read_csv(r"C:/Users/Lenovo/Desktop/Temp/X2_diff.csv"))

X3_ = ((k12*X1_x)-(I1*X2_diff)+(m12*X2))/k12

我需要X3_，但是由于整数值的形式是常量*x，所以它会给出一个错误：

'TypeError: can't multiply sequence by non-int of type 'float''

Answer 1

有一些符号库完全适合你的任务，比如SymPy --非常高级的符号库。你可以使用它。

Numpy库只做数值计算，没有符号，你必须在你的脑海中做所有的符号。

据我所知，在你的最终X3中，你有两项之和，一项是Val1 * x，另一项是Val2，也就是X3 = Val1 * x + Val2。然后，您可以将X3拆分为两部分(这里的Val1是X3_x，Val2是X3_c)：

X3_x = k12*X1/k12
X3_c = (-(I1*X2_diff)+(m12*X2))/k12

稍后，要计算给定x固定值的整个X3，只需在Python X3 = X3_x * x + X3_c中进行即可。

此外，您还必须处理您的CSV的方式，以使您的最终数组只包含浮点数，不包含符号，到处删除*x，即：

X1_rd = np.array([e.strip().replace('[', '').replace(']', '').replace('*x', '') for e in pd.read_csv(r"X1_x.csv")]).astype(np.float64)
X2_rd = np.array(pd.read_csv(r"X2.csv")).astype(np.float64)
X2_diff_rd = np.array(pd.read_csv(r"X2_diff.csv")).astype(np.float64)

Full final corrected code