python编程求导数_python – 如何使用Numpy计算导数?

您有四个选项

有限差异不需要外部工具,但容易出现数字错误,如果您处于多变量情况,可能需要一段时间。

如果你的问题很简单,符号分化是理想的。符号方法现在变得相当健壮。 SymPy是一个优秀的项目,它与NumPy很好地集成。看看autowrap或lambdify函数或查看Jensen’s blogpost about a similar question。

自动衍生品非常酷,不容易出现数字错误,但需要一些额外的库(google为这个,有几个好的选择)。这是最强大的,但也是最复杂/难以设置的选择。如果你很好地限制自己numpy语法,那么Theano可能是一个不错的选择。

这里是一个使用SymPy的例子

In [1]: from sympy import *

In [2]: import numpy as np

In [3]: x = Symbol('x')

In [4]: y = x**2 + 1

In [5]: yprime = y.diff(x)

In [6]: yprime

Out[6]: 2⋅x

In [7]: f = lambdify(x, yprime, 'numpy')

In [8]: f(np.ones(5))

Out[8]: [ 2. 2. 2. 2. 2.]

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值