Question

我想在MATLAB中使用python what this guy did。

我已经安装了anaconda，所以我有numpy和sympy库。到目前为止，我已尝试使用numpy nsolve，但这不起作用。我应该说我是python的新手，而且我知道如何在MATLAB中做到这一点：P。

-2*log(( 2.51/(331428*sqrt(x)) ) + ( 0.0002 /(3.71*0.26)) ) = 1/sqrt(x)

通常，我会迭代地解决这个问题，只是在左边猜测x而不是在右边求解x。将解决方案放在左侧，再次解决。重复，直到左边x接近右边。我知道应该是什么解决方案。

所以我可以做到，但那不是很酷。我想用数字做。我的15欧元卡西欧计算器可以解决它，所以我认为不应该复杂吗？

感谢您的帮助，

编辑：所以我尝试了以下内容：

from scipy.optimize import brentq

w=10;
d=0.22;
rho=1.18;
ni=18.2e-6;

Re=(w*d*rho)/ni
k=0.2e-3;
d=0.26;

def f(x,Re,k,d):
    return (
        -2*log((2.51/(Re*sqrt(x)))+(k/(3.71*d)),10)*sqrt(x)+1
            );

print(
    scipy.optimize.brentq
        (
        f,0.0,1.0,xtol=4.44e-12,maxiter=100,args=(),full_output=True,disp=True
        )
    );

我得到了这个结果：

    r = _zeros._brentq(f,a,b,xtol,maxiter,args,full_output,disp)
TypeError: f() takes exactly 4 arguments (1 given)

是因为我在解决常数问题吗？

EDIT2：所以我想我必须通过args =（）关键字分配常量，所以我改变了：

f,0.0,1.0,xtol=4.44e-12,maxiter=100,args=(Re,k,d),full_output=True,disp=True

但现在我明白了：

-2*log((2.51/(Re*sqrt(x)))+(k/(3.71*d)),10)*sqrt(x)+1
TypeError: return arrays must be of ArrayType

无论如何，当我输入不同的等式时;让我们说2*x*Re+(k*d)/(x+5)它有效，所以我想我必须改变这个等式。

所以它死在这里：log（x，10）..

edit4：正确的语法是log10（x）......现在它可以工作，但结果是零

Answer 1

这很好用。我在这里做了一些事情。首先，我使用了你定义的全局变量来更简单地定义函数。我发现这比将args =传递给求解器要好一些，如果你需要这样的东西，它还可以更容易地使用你自己的自定义解算器。我使用泛型root函数作为入口点而不是使用特定算法 - 这很好，因为您可以稍后传递不同的方法。我还修改了你的间距，使其符合PEP 8的建议，并修正了你对等式的错误重写。我发现只是简单地编写LHS - RHS而不是像你那样操纵它。另外，请注意我已经用1.0或其他任何内容替换了所有整数文字以避免整数除法的问题。 0.02被认为是摩擦系数的一个非常标准的起点。

import numpy
from scipy.optimize import root

w = 10.0
d = 0.22
rho = 1.18
ni = 18.2e-6

Re = w*d*rho/ni
k = 0.2e-3

def f(x):
    return (-2*numpy.log10((2.51/(Re*numpy.sqrt(x))) + (k/(3.71*d))) - 1.0/numpy.sqrt(x))

print root(f, 0.02)

我还必须提到，对于这个问题，定点迭代实际上甚至比牛顿的方法更快。您可以通过定义f2来使用内置定点迭代例程，如下所示：

def f2(x):
    LHS = -2*numpy.log10((2.51/(Re*numpy.sqrt(x))) + (k/(3.71*d)))
    return 1/LHS**2

计时（从根开始进一步显示收敛速度）：

%timeit root(f, 0.2)
1000 loops, best of 3: 428 µs per loop

%timeit fixed_point(f2, 0.2)
10000 loops, best of 3: 148 µs per loop

Answer 2

您的代码有点偏差：您将其标记为sympy，这是符号计算的库，但是您说要以数字方式解决它。如果后者是你的实际意图，这里是相关的scipy文档：

http://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html#root-finding

Answer 3

带有 fixed_point 的 Scipy 也是首选，因为 root 不会收敛于远处的猜测值，例如@chthonicdaemon %timeit 示例中的 0.2。

求解python中的colebrook（非线性）方程

3 个答案: