在python中动态构建lambda函数

Question

假设我想生成一个函数，稍后将其合并到一组方程中，用scipy nsolve函数求解。我想创建一个这样的函数：

xi + xi + 1 + xi + 3 = 1

其中变量的数量将取决于组件的数量。例如，如果我有2个组件：

 f = lambda x: x[0] + x[1] - 1

for 3：

 f = lambda x: x[0] + x[1] + x[2] - 1

我将组件指定为要调用的函数的参数中的数组：

 def my_func(components):
        for component in components:
        .....
        .....
        return f

我不能找到这样做的方法。我必须能够这样做，因为这个函数和其他函数需要与nsolve一起解决：<​​/ p>

 x0 = scipy.optimize.fsolve(f, [0, 0, 0, 0 ....])

任何帮助将不胜感激

谢谢！

---

由于我不确定哪种方法最好，我会完全解释我要做的事情：

- 我正在尝试生成这两个函数，以便稍后解决：

所以我想创建一个函数teste（[组件列表]），它可以返回这两个方程式（Psat（T）是一个我可以根据组件调用的函数，P是一个常量（值= 760） ）。

示例：

  teste(['Benzene','Toluene'])

将返回：

xBenzene + xToluene = 1

xBenzene Psat（'Benzene'）+ xToluene Psat（'Toluene'）= 760

如果是：

   teste(['Benzene','Toluene','Cumene'])

它会返回：

xBenzene + xToluene + xCumene = 1

xBenzene Psat（'Benzene'）+ xToluene Psat（'Toluene'）+ xCumene * Psat（'Cumene'）= 760

所有这些x值都不是我可以计算的东西，而是变成我可以求和的列表。它们是根据我在系统中拥有的组件数量创建的变量......

希望这有助于找到最佳方法

Answer 1

您可以使用字符串动态构建lambda，然后使用eval函数解析它，如下所示：

a = [1, 2, 3]

s = "lambda x: "
s += " + ".join(["x[" + str(i) + "]" for i in xrange(0, 3)]) # Specify any range
s += " - 1"

print s

f = eval(s)
print f(a)

Answer 2

直接翻译是：

f = lambda *x: sum(x) - 1

但不确定这是否真的是你想要的。

Answer 3

我会利用numpy并做类似的事情：

def teste(molecules):
    P = np.array([Psat(molecule) for molecule in molecules])
    f1 = lambda x: np.sum(x) - 1
    f2 = lambda x: np.dot(x, P) - 760
    return f1, f2

实际上你要解决的是一个可能未确定的线性方程组，其形式为A.x = b。您可以按如下方式构建A和b：

A = np.vstack((np.ones((len(molecules),)),
               [Psat(molecule) for molecule in molecules]))
b = np.array([1, 760])

然后你可以创建一个lambda函数，返回一个2元素向量：

return lambda x: np.dot(A, x) - b

但我真的不认为这是解决方程式的最佳方法：要么你有np.linalg.solve(A, b)可以获得的单一解决方案，要么你有一个无限多解决方案的线性系统，在这种情况下您想要找到的是解空间的基础，而不是该空间中的单个点，这是您将从函数作为输入的数值解算器中获得的。

Answer 4

如果你真的想通过迭代建立来定义一个函数，你可以。我想不出任何情况会是最好的答案，甚至是合理的答案，但这就是你要求的，所以：

def my_func(components):
    f = lambda x: -1
    for component in components:
        def wrap(f):
            return lambda x: component * x[0] + f(x[1:])
        f = wrap(f)
    return f

现在：

>>> f = my_func([1, 2, 3])
>>> f([4,5,6])
44

当然，这对调试来说并不好玩。例如，查看调用f([4,5])的追溯。

Answer 5

def make_constraint_function(components):
    def constraint(vector):
        return sum(vector[component] for component in components) - 1
    return constraint

你可以用lambda做，但命名函数可能更具可读性。 def馈送函数可以执行lambdas可以执行的任何操作。确保为函数提供了一个好的文档字符串，并使用适合您程序的变量和函数名称。