python函数实例化_关于python：使用Sympy lambdify函数实例化贝塞尔函数时出错

我目前正在开发python程序，以将由sympy计算的符号表达式转换为包含所有数值的numpy数组。我用sympy.lambdify函数实例化符号表达式。

一些符号表达式包含Bessel函数，我将scipy.special.jv/jy等作为参数传递给lambdify函数。这是单个代码(程序中的appart)：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15m = Symbol('m')

expr= -1.06048319593874*(-(3.14159265358979*m*besselj(27.9937791601866*m, 4.46681007624482*sqrt(-I)) - 0.501286290793831*sqrt(-I)*besselj(27.9937791601866*m + 1, 4.46681007624482*sqrt(-I)))*bessely(27.9937791601866*m, 6.81776274795262*sqrt(-I))/(3.14159265358979*m*bessely(27.9937791601866*m, 4.46681007624482*sqrt(-I)) - 0.501286290793831*sqrt(-I)*bessely(27.9937791601866*m + 1, 4.46681007624482*sqrt(-I))) + besselj(27.9937791601866*m, 6.81776274795262*sqrt(-I)))*sin(0.942966379693359*m)*cos(1.5707963267949*m)/m

nm = 5

vm = arange(nm) +1

bessel = {'besselj':jv,'besselk':kv,'besseli':iv,'bessely':yv}

libraries = [bessel,"numpy"]

result = lambdify(m, expr, modules=libraries)(vm)

In[1] : result

Out[1]:

array([ -7.51212638e-030 -3.22606326e-030j,

4.81143544e-046 +1.04405860e-046j,

1.97977798e-097 +3.02047228e-098j,

3.84986092e-124 +4.73598141e-125j,

1.12934434e-181 +1.21145535e-182j])

结果符合我的预期：5行1维数组，每个整数m值。

问题是当我尝试在程序中实现它时。这是实现：

1

2

3

4

5expr = list_symbolic_expr[index]

vcm = arange(Dim_col[0]) +1 #Dim_col = list of integer range values to instantiate

m = Symbol(str(Var_col[0])) #Var_col = list of symbolic integer parameters

print expr, m

smat = lambdify(m, expr, modules=libraries)(vcm)

这是使用scipy.special贝塞尔函数时的错误：

1

2

3

4

5

6

7

8

9In [2]: run Get_System_Num

Out [2]:

-1.06048319593874*(-(3.14159265358979*m*besselj(27.9937791601866*m, 4.46681007624482*sqrt(-I)) - 0.501286290793831*sqrt(-I)*besselj(27.9937791601866*m + 1, 4.46681007624482*sqrt(-I)))*bessely(27.9937791601866*m, 6.81776274795262*sqrt(-I))/(3.14159265358979*m*bessely(27.9937791601866*m, 4.46681007624482*sqrt(-I)) - 0.501286290793831*sqrt(-I)*bessely(27.9937791601866*m + 1, 4.46681007624482*sqrt(-I))) + besselj(27.9937791601866*m, 6.81776274795262*sqrt(-I)))*sin(0.942966379693359*m)*cos(1.5707963267949*m)/m m

File"Numeric\Get_System_Num.py", line 183, in get_Mat

smat = lambdify(m, expr, modules=libraries)(vcm)

File"", line 1, in

TypeError: ufunc 'jv' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

这是使用sympy.special贝塞尔函数时的错误：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15File"Numeric\Get_System_Num.py", line 183, in get_Mat

smat = lambdify(m, expr, modules=libraries)(vcm)

File"", line 1, in

File"C:\Users\Emile\Anaconda2\lib\site-packages\sympy\core\function.py", line 375, in __new__

result = super(Function, cls).__new__(cls, *args, **options)

File"C:\Users\Emile\Anaconda2\lib\site-packages\sympy\core\function.py", line 199, in __new__

evaluated = cls.eval(*args)

File"C:\Users\Emile\Anaconda2\lib\site-packages\sympy\functions\special\bessel.py", line 161, in eval

if nu.is_integer:

AttributeError: 'numpy.ndarray' object has no attribute 'is_integer'

似乎lambdify不能正确解释程序代码中bessel函数中的输入值(无论是scipy还是sympy bessel函数)，因为输入值似乎是一个数组对象，而这并不是问题。单一代码。但是我看不出它们之间的区别。

感谢您阅读本文，希望有人可以在此主题上为我提供帮助。请告诉我是否需要更多信息来说明此问题。

-编辑1--

我一直在寻找问题，甚至当我尝试对这个简单的表达式：17469169.5935065*sin(0.942966379693359*m)*cos(1.5707963267949*m)/m进行lambdify时，以" numpy"作为模块参数，它也会给出：'float' object has no attribute 'sin'

我还尝试了打包模块'numexpr'，但没有成功，因为它停止在另一个表达式上：0.058**(46.6321243523316*k)，说：

1

2

3

4

5

6

7

8

9

10

11File"C:\Users\Emile\Anaconda2\lib\site-packages

umexpr

ecompiler.py", line 756, in evaluate

signature = [(name, getType(arg)) for (name, arg) in zip(names, arguments)]

File"C:\Users\Emile\Anaconda2\lib\site-packages

umexpr

ecompiler.py", line 654, in getType

raise ValueError("unknown type %s" % a.dtype.name)

ValueError: unknown type object

因此，我真的不知道此问题的性质，甚至无法跟踪它，因为引发的异常来自sympy内部，而且我也不知道如何在sympy函数中放置标志。

-编辑2--

这是Get_System_Num类的主体：首先是导入，然后我还从符号项目中导入数据，这意味着：我要实例化的每个符号系数(列在Mat_Num中)；每个系数要实例化的符号(列在" list_Var"中)，具体取决于行和列；实例化矩阵在实大矩阵中的大小和位置(列在list_Dim中)，因为这些列表在开头是符号性的我需要用放在Pr_Num <=>数值项目中的实数值替换符号，然后在sub_system_num方法中执行。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34from numpy import diag, zeros, concatenate, arange, meshgrid, array

from scipy.special import jv,kv,iv,yv

from sympy import srepr, Matrix, lambdify, Symbol

from Numeric.Sub_System_Num import Sub_System_Num

class Get_System_Num :

#Calling constructor

def __init__(self, Pr_Num) :

#Assigning inputs values to local values

self.Pr_Num = Pr_Num

self.Pr_Symb = Pr_Num.Pr_Symb

#Load data from Pr_Symb

self.Mat_Num_Index = self.Pr_Symb.Mat_Num_Index

#Subs symbols with numeric values

print"Substitute symbols with real values..."

self.Sub_System_Num = Sub_System_Num(self)

#Gathering the results

self.Mat_Num = self.Sub_System_Num.Mat_Num

self.Mat_Size = self.Sub_System_Num.Mat_Size

self.list_Index = self.Sub_System_Num.list_Index

self.list_Var_row = self.Sub_System_Num.list_Var.col(0)

self.list_Dim_row = self.Sub_System_Num.list_Dim.col(0)

self.list_Var_col = self.Sub_System_Num.list_Var.col(1)

self.list_Dim_col = self.Sub_System_Num.list_Dim.col(1)

self.count = 0

print"Compute numerical matrix..."

self.Mat = self.get_Mat()

这是填充数字矩阵的方法。我仅将行和列都只实例化一个变量的情况作为例子。这是9(32)种情况中的一种，因为每一行和每一列都有0,1或2个要实例化的变量。关于if srepr(coeff).__contains__(srepr(Var_row[0]))：这检查变量是否确实包含在expr中，如果不是，则手动复制coeff。由于表达式以前是通过符号计算的，因此有时sympy可能会简化它们，从而使该变量不再存在。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73def get_Mat(self) :

bessel = {'besselj':jv,'besselk':kv,'besseli':iv,'bessely':yv}

libraries = [bessel, 'numpy']

Mat = zeros((self.Mat_Size[0], self.Mat_Size[0]), dtype=complex)

for index in range(0, self.Mat_Num_Index.__len__()) :

Nb_row = self.list_Index[self.Mat_Num_Index[index][0], 0]

Nb_col = self.list_Index[self.Mat_Num_Index[index][1], 1]

Pos_row = self.list_Index[self.Mat_Num_Index[index][0], 2]

Pos_col = self.list_Index[self.Mat_Num_Index[index][1], 3]

Var_row = self.list_Var_row[self.Mat_Num_Index[index][0]]

Var_col = self.list_Var_col[self.Mat_Num_Index[index][1]]

Dim_row = self.list_Dim_row[self.Mat_Num_Index[index][0]]

Dim_col = self.list_Dim_col[self.Mat_Num_Index[index][1]]

coeff = self.Mat_Num[index]

#M(K or Z, M or Z)

if Var_row.__len__() == 1 :

if Var_col.__len__() == 1 :

if Var_row[0] == Var_col[0] : #M(K,M=K) or M(Z,Z)

vrk = arange(Dim_row[0]) +1

k = Symbol(str(Var_row[0]))

smat = lambdify(k, coeff, modules=libraries)(vrk)

if srepr(coeff).__contains__(srepr(Var_row[0])) :

smat = diag(smat)

print 'coeff n°', index, ' Case 1/1 M(K,M=K) or M(Z,Z) : i dependent '

print coeff, Var_col, Var_row

else :

smat = diag([smat]*Dim_row[0])

print 'coeff n°', index, ' Case 1/1 M(K,M=K) or M(Z,Z) : i non dependent'

print coeff, Var_col, Var_row

else :

if srepr(coeff).__contains__(srepr(Var_col[0]) and srepr(Var_row[0])) : #M(K,Z) or M(Z,M) or M(K, M)

print 'coeff n°', index, ' Case 1/1 M(K,Z) or M(Z,M) : i dependent '

print coeff, Var_col, Var_row, index

vrk = arange(Dim_row[0]) +1

vcm = arange(Dim_col[0]) +1

mcm, mrk = meshgrid(vcm, vrk)

k = Symbol(str(Var_row[0]))

i = Symbol(str(Var_col[0]))

smat = lambdify((k, i), coeff, modules=libraries)(mrk, mcm)

elif not(srepr(coeff).__contains__(srepr(Var_row[0]))) : #M(Z,M)

print 'coeff n°', index, ' Case 1/1 M(Z,M) : i non dependent '

print coeff, Var_col, Var_row, index

vcm = arange(Dim_col[0]) +1

m = Symbol(str(Var_col[0]))

smat = lambdify(m, coeff, modules=libraries)(vcm)

smat = [smat]*Dim_row[0]

smat = concatenate(list(smat), axis=0)

elif not(srepr(coeff).__contains__(srepr(Var_col[0]))) : #M(K,Z)

print 'coeff n°', index, ' Case 1/1 M(K,Z) : i non dependent'

print coeff, Var_col, Var_row, index

vrk = arange(Dim_row[0]) +1

k = Symbol(str(Var_row[0]))

smat = lambdify(k, coeff, modules=libraries)(vrk)

smat = [smat]*Dim_col[0]

smat = concatenate(list(smat), axis=1)

self.count = self.count +1

Mat[Pos_row:Pos_row+Nb_row, Pos_col:Pos_col+Nb_col] = smat

return Mat

最后，我用拉姆化的系数填充矩阵，在这种情况下，矩阵的大小较小(Nb_row，Nb_col)。

我将继续自己寻找，不要犹豫，要求更多详细信息！

-编辑3-

我发现如果执行此操作：

1

2

3

4m = Symbol(str(Var_col[0]))

coeff = lambdify(m, coeff, modules=libraries)

for nm in range(0, Dim_col[0]) :

smat.append(coeff(nm+1))

它可以工作，但是要花很多时间(尽管比使用subs和evalf要少得多)。当我使用数组对象(无论是numpy还是sympy数组类型)调用lambdify创建的lambda函数时，就会出现错误。

您可以显示整个文件Get_System_Num.py吗？ 根本无法猜测程序中正在发生的事情。

只要看到它不是不可能的！ 我已经编辑了我的帖子，以便您可以看到课程的其余部分。 非常感谢您的宝贵时间。

我可以重现您的错误。 基于以下输入：

1

2

3

4

5m = Symbol('m')

expr = -1.06048319593874*(-(3.14159265358979*m*besselj(27.9937791601866*m, 4.46681007624482*sqrt(-I)) - 0.501286290793831*sqrt(-I)*besselj(27.9937791601866*m + 1, 4.46681007624482*sqrt(-I)))*bessely(27.9937791601866*m, 6.81776274795262*sqrt(-I))/(3.14159265358979*m*bessely(27.9937791601866*m, 4.46681007624482*sqrt(-I)) - 0.501286290793831*sqrt(-I)*bessely(27.9937791601866*m + 1, 4.46681007624482*sqrt(-I))) + besselj(27.9937791601866*m, 6.81776274795262*sqrt(-I)))*sin(0.942966379693359*m)*cos(1.5707963267949*m)/m

nm = 2

bessel = {'besselj': jv,'besselk':kv,'besseli':iv,'bessely':yv}

libraries = [bessel,"numpy"]

它可以在vm中使用整数：

1

2vm = np.arange(nm, dtype=np.int) +1

result = lambdify(m, expr, modules=libraries)(vm)

但是复数会产生与您相同的错误消息：

1

2vm = np.arange(nm, dtype=np.complex) +1

result = lambdify(m, expr, modules=libraries)(vm)

错误信息：

1

2

3

4

5

6

7

8TypeError Traceback (most recent call last)

in ()

1 vm = np.arange(nm, dtype=np.complex) +1

----> 2 result = lambdify(m, expr, modules=libraries)(vm)

/Users/mike/anaconda/envs/py34/lib/python3.4/site-packages/numpy/__init__.py in (_Dummy_27)

TypeError: ufunc 'jv' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

因此，请检查您在vcm中获得的数据类型，即arange(Dim_col[0]) +1返回的数据类型。

您只能使用属性real取复数的实部。 例如，vm.real给您vm的实部。 如果这是您想要的，则应该获得以下结果：

1result = lambdify(m, expr, modules=libraries).(vm.real)

而且有效！ 非常感谢你 ！ 请问您如何更改arange数据类型？

添加了更新。