- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python编程 pyqt matplotlib
数值积分法求解常微分方程
plot_directtion_field(x, y_x, f_xy, x_lim=(-1,1), y_lim=(-1,1), n=50, color='b', lw=0.5, ax=None): f_np = sympy.lambdify main__': x = sympy.symbols('x') y = sympy.Function('y') f = y(x)**2 + x f_np = sympy.lambdify
78210编辑于 2023-03-03 - 来自专栏亚灿网志
「Machine Learning」梯度下降
定义函数： from sympy.abc import x from sympy import lambdify, diff # Define function f_x = (x - 2.5) ** 2 - 1 # Calculate f(x) f_x_fcn = lambdify(x, f_x) # Calculate f'(x) f_x_1_diff = diff(f_x, x) f_x_1_ diff_fcn = lambdify(x, f_x_1_diff) x_arr = np.linspace(-1, 6, 200) y_arr = f_x_fcn(x_arr) 这里我们使用了sympy.lambdify 首先来定义下函数，并创造出数据： from sympy import lambdify, diff from sympy.abc import x, y import numpy as np from ([x, y], df_dx) # partial derivative with respect to y df_dy = f_xy.diff(y) df_dy_fcn = lambdify([x,
1.1K60编辑于 2023-05-23 - 来自专栏Python编程 pyqt matplotlib
一阶常微分方程方向场图的绘制
plot_directtion_field(x, y_x, f_xy, x_lim=(-5,5), y_lim=(-5,5), n=50, color='r', lw=0.5, ax=None): f_np = sympy.lambdify
1.7K20编辑于 2023-03-03 - 来自专栏云深之无迹
Sympy 符号计算包使用
pi.evalf(3) # 指定对应的精度 也可以提前设置计算精度 3.14 结果 import numpy a = numpy.pi/3 x = symbols('x') expr=sin(x) f = lambdify
1.3K10发布于 2021-07-23 - 来自专栏Python编程 pyqt matplotlib
有限元平面四边形等差单元python编程
所有我的编程思路是先用 sympy 求出 单元刚度矩阵的符号解，再用lambdify函数将符号解的单元刚度矩阵的各元素转为普通的python函数，最后用scipy进行二重数值积分。 scipy.integrate import dblquad from sympy import symbols, Matrix, diff,simplify from sympy.utilities.lambdify import lambdify class Quad8():# 四边形平面应力单元，4个节点，8个自由度 def __init__(self,nodes,t=1,E=20000, nu=0.25 in range(i+1): # xi 和 eta 从-1到1 二重积分,再乘以厚度 #func =lambdify ((self.xi,self.eta),simplify(Z[i,j]),modules='numpy') func =lambdify((self.xi,self.eta
2.6K30发布于 2020-09-24 - 来自专栏人工智能之数学基础
人工智能之数学基础 微积分：第一章 单变量微积分
计算不同阶数的泰勒多项式（在x=0处）orders=[1,3,5,9]taylor_polys=[series(f_sym,x,0,n+1).removeO()forninorders]#转换为数值函数f_num=sp.lambdify (x,f_sym,'numpy')poly_funcs=[sp.lambdify(x,poly,'numpy')forpolyintaylor_polys]#绘图x_plot=np.linspace(-
28110编辑于 2025-12-20 - 来自专栏学西
【机器学习】分而知变，积而见道：微积分中的世界之思
x^3 - 4x + 1 f = x**3 - 4*x + 1 # 计算导数 f'(x) f_prime = sp.diff(f, x) # 将符号表达式转换为数值函数 f_func = sp.lambdify (x, f, 'numpy') f_prime_func = sp.lambdify(x, f_prime, 'numpy') # 生成 x 值 x_vals = np.linspace(-3, 3,
53510编辑于 2025-01-09 《信号与系统》- 第六章 离散系统的 z 域分析
numpy as np import matplotlib.pyplot as plt from sympy import symbols, apart, simplify, Sum, Heaviside, lambdify
22110编辑于 2026-01-21- 来自专栏信数据得永生
Python 数学应用（一）
这是使用sympy.utilities模块中的lambdify例程完成的。这将 SymPy 表达式转换为使用 SymPy 标准函数的 NumPy 等价函数来数值评估表达式。 例如，我们可以使用这个例程将这个配方中的函数和导数转换为 Python 函数： from sympy.utilities import lambdify lam_f = lambdify(x, f) lam_fp = lambdify(x, fp) lambdify例程接受两个参数。 我们甚至可以在 NumPy 数组上评估这些 lambdified 表达式： lam_f(np.array([0, 1, 2])) # array([ 0\. , -7.3890561, 0\. ]) lambdify
1.4K00编辑于 2024-05-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号