sympy-note

最新推荐文章于 2024-07-19 16:10:03 发布

l888888h

最新推荐文章于 2024-07-19 16:10:03 发布

阅读量889

点赞数

文章标签： python scipy

本文链接：https://blog.csdn.net/l888888h/article/details/61209948

版权

################## sympy #########################

x, y, z = symbols('x y z') # 符号对象, 可限定 real = True , positive = True, complex = True , integer = True ...
f = symbols("f",cls = Function) # 定义f为数字函数

f = sy.Function() # 定义f为数字函数

######### 表达式变换

sy.exp(sy.I*x).expand(complex=True) # 展开为复数, 可理解为将x当作复数处理表达式展开
sy.cos(x).series(x, 0, 10) # .series(var, point, order) 泰勒级数展开
sy.simplify(expr) # 对数学表达式进行化简化简
sy.radsimp(expr) # 对表达式的分母进行有理化分母进行有理化
它所得到的表达式的分母部分将不含无理数。即将表达式转换为分子除分母的形式。
sy.ratsimp(expr) # 对表达式的分母进行通分运算通分运算
sy.cancel(expr) # 对表达式的分子分母进行约分运算约分运算
只能对纯符号的分式表达式进行约分
不能对函数内部的表达式进行约分，不能对带函数的表达式进行约分
sy.trim(expr) # 对表达式的分子分母进行约分运算约分运算
可以对表达式中的任意部分进行约分，并且支持函数表达式的约分运算。
sy.apart(expr) # 对表达式进行部分分式分解部分分式分解
sy.factor(expr) # 对表达式进行因式分解因式分解
sy.together(1/x+1/y) # 代数式的合并代数式的合并
sy.trigsimp(expr) # 对表达式中的三角函数进行化简三角函数化简
有两个可选参数——deep和recursive，默认值都为False。
当deep参数为True时，将对表达式中所有子表达式进行化简运算
当recursive参数为True时，将递归使用trigsimp()进行最大限度的化简
sy.expand_trig(expr) # 展开三角函数三角函数展开

######### 表达式计算

sy.re() 计算其实部
sy.im() 计算其虚部

sy.integrate(6*x**5, x) #不定积分解析积分
sy.integrate(x**3, (x, -1, 1)) #定积分
sy.integrate(6*x**5+y, x,y) #双重不定积分
sy.integrate(x**3+y, (x, -1, 1),(y,1,3) #双重定积分

sy.diff(sy.sin(x), x) 解析微分
sy.diff(sy.sin(2*x), x, 2) # 高阶微分 diff(func, var, n)
diff(sin(x*y),x,2,y,3) # 对表达式进行x的2阶求导,对y进行3阶求导
diff(sin(2*x),x)
sin(2*x).diff(x,1)
t=Derivative(sin(x),x) Derivative是表示导函数的类，它的第一个参数是需要进行求导的数学函数，第二个参数是求导的自变量，
注意：Derivative所得到的是一个导函数，它不会进行求导运算。

sy.limit(sy.sin(x)/x, x, 0) 极限

sy.summation(2*i - 1, (i, 1, n)) 连加求和

expression.subs(x, y) 将算式中的x替换成y 替换
(1 + x*y).subs(x, pi)
expression.subs({x:y,u:v}) 使用字典进行多次替换
expression.subs([(x,y),(u,v)]) 使用列表进行多次替换
(1 + x*y).subs([(x, pi), (y, 2)])

expr.doit() 执行/计算expr ,如对于微分表达式则直接计算其符号结果计算表达式符号结果

########## 方程
方程构建:
任何表达式都可以直接表示值为0的方程,即表达式 expr 也是方程 expr=0
用sy.Eq构建方程
eq1 = sy.Eq( 0, u_max*rho_max*(1 - A*rho_max-B*rho_max**2) ) # 一般方程

f = sy.Function("f")
eq1 = sy.Eq(f(x).diff(x)+f(x)+f(x)**2,0) # 微分方程

sy.solve(方程,未知数) # 方程求解 ,返回值为list 方程求解
它的第一个参数是表示方程的表达式，其后的参数是表示方程中未知量的符号。
sy.solve(eq1,x)
sy.solve(sy.sin(x)+x,x) # 即对 sy.sin(x)+x=0 求解

sy.roots(expr) # 计算单变量方程expr=0的根方程求解

sy.dsolve(eq1,f(x)) # 微分方程求解微分方程求解
可以对微分方程进行符号求解，它的第一个参数是一个带未知函数的表达式，第二个参数是需要进行求解的未知函数。
它在解微分方程中可以传递hint参数，指定微分方程的解法，若设置为“best”则放dsolve()尝试所有的方法并返回最简单的解。

########### 表达式数值计算
lambdify() 将表达式转换为数值运算的函数
from sympy.utilities.lambdify import lambdify
func = lambdify(x, big_expression_containing_x,modules = 'numpy') # returns a numpy-ready function
lambdify([x],f(x),modules="numpy") 第一个参数为自变量列表
第二个参数为由自变量组成的表达式
第三个参数 modules="numpy" 可理解为自变量接受的数据类型
numpy_array_of_results = func(numpy_arr)

sy.N() 求值函数
sy.N(数值版式,精度) 如 sy.N(sy.pi,20)

expr.evalf(精度) 求值方法
sy.pi.evalf(n=50)

##################

x = sy.symbols("x")
f = sy.Sum(sy.Indexed('x',i)*sy.cos(i*sy.pi),(i,1,10)) # 离散量
f
y = np.array([0,0,0,50,-15,-10,-5,-2,-1,0,0,0,0,0,0,0])

from sympy.utilities.lambdify import lambdify
func = lambdify(x, f, 'numpy') # returns a numpy-ready function
numpy_array_of_results = func(y)