Question

我无法使用brentq函数迭代数组的每个元素。下面定义的函数中的q是一个FITS文件数组，我们使用此数组中的每个元素作为输入来运行brentq函数以求解T。

基本上，我的问题在于并不是特别知道在哪里或如何实现适当的for循环来迭代q的每个元素上的函数。

有关如何解决此问题的任何建议？

def f(T,q,coeff1,coeff2,coeff3):
    return q*const3 - ((exp(const2/T)-1)/(exp(const/T)-1))

a = brentq(f, 10, 435.1, args=(q,4351.041,4262.570,0.206))
print a

newhdu = fits.PrimaryHDU(a)
newhdulist = fits.HDUList([newhdu])
newhdulist.writeto('Temp21DCOT.fits')

进一步说明：我尝试做的事情的基础是使用brentq使用我们的初始数组（我们的FITS文件）的强度值来求解温度值）。

该等式是从普朗克方程的两个波长的比率得出的，所以q = B_1/B_2如果我们想要对物理真实，q中的每个元素都是强度值。对于brentq中的每个元素，T将为q（温度）求解这个分析上无法解决的等式，并创建一个与q大小相同的新温度数组。换句话说，我正在尝试使用Plank公式解决FITS文件中每个像素的温度。

注意：我重新发布此内容以更有效地澄清问题。

Answer 1

您是否遇到迭代问题或效率问题？

此迭代适用于我：

In [485]: from scipy import optimize

In [486]: def f(T,q,coeff1,coeff2,coeff3):
        return q*coeff3 - ((np.exp(coeff2/T)-1)/(np.exp(coeff1/T)-1))
        # corrected the coeff use

In [487]: q=np.linspace(1,3,10)
# q range chosen to avoid the different signs ValueError

In [488]: A=[optimize.brentq(f, 10, 435.1, args=(i,4351.041,4262.570,0.206),full_output=True) for i in q]

In [489]: A
Out[489]: 
[(55.99858839149886, <scipy.optimize.zeros.RootResults at 0xa861284c>),
 (64.14621536172528, <scipy.optimize.zeros.RootResults at 0xa861286c>),
 (72.98658083834341, <scipy.optimize.zeros.RootResults at 0xa861288c>),
 (82.75638321495505, <scipy.optimize.zeros.RootResults at 0xa86128ac>),
 (93.73016750496367, <scipy.optimize.zeros.RootResults at 0xa86128cc>),
 (106.25045004489637, <scipy.optimize.zeros.RootResults at 0xa86128ec>),
 (120.76612665626851, <scipy.optimize.zeros.RootResults at 0xa861290c>),
 (137.88917389176325, <scipy.optimize.zeros.RootResults at 0xa861292c>),
 (158.4854607193551, <scipy.optimize.zeros.RootResults at 0xa861294c>),
 (183.82941862839408, <scipy.optimize.zeros.RootResults at 0xa861296c>)]

In [490]: [a[1].iterations for a in A]
Out[490]: [8, 9, 10, 10, 10, 10, 10, 9, 8, 10]

在brentq文档f中为一组args返回一个值。有一些解算器，例如ode个，可以定义一个采用向量变量的函数，并返回一个匹配的向量导数。它看起来不像这个root查找器允许的那样。所以你不得不迭代args值，并解决每个案例。我把迭代写成列表理解。其他迭代格式也是可能的（对于循环等）。我们甚至可以将这个brentq调用包装在可以通过np.vectorize传递的函数中。但这仍然是一个节省时间很少的迭代。

处理多维数组有多种方法。一个简单的方法是flatten输入，进行1d迭代，然后重新整形结果。例如：

In [517]: q1=q.reshape(2,5)

In [518]: q1
Out[518]: 
array([[ 1.        ,  1.22222222,  1.44444444,  1.66666667,  1.88888889],
       [ 2.11111111,  2.33333333,  2.55555556,  2.77777778,  3.        ]])

In [519]: np.array([optimize.brentq(f, 10, 435.1, args=(i,4351.041,4262.570,0.206)) for i in q1.flat]).reshape(q1.shape)
Out[519]: 
array([[  55.99858839,   64.14621536,   72.98658084,   82.75638321,
          93.7301675 ],
       [ 106.25045004,  120.76612666,  137.88917389,  158.48546072,
         183.82941863]])

我遗漏了full_output标志，因为这会增加复杂性。

使用brentq函数在Python中迭代数组

1 个答案: