我想使用SymPy对包含erf函数的符号表达式进行lambd化。这可以用于标量参数,如下所示:
log_normal = 0.5 + 0.5 * sym.erf((sym.log(x) - mu) / sym.sqrt(2 * sigma**2))
F = sym.lambdify([x, mu, sigma], log_normal)
F(1.0, 0.0, 1.0)
我想对上述内容进行矢量化。通常我会这样做......
log_normal = 0.5 + 0.5 * sym.erf((sym.log(x) - mu) / sym.sqrt(2 * sigma**2))
vector_F = sym.lambdify([x, mu, sigma], log_normal, modules='numpy')
vector_F(1.0, 0.0, 1.0)
然而,上面提出了NameError
...
---------------------------------------------------------------------------
NameError Traceback (most recent call last)
<ipython-input-29-14adde48d4a1> in <module>()
----> 1 vector_F(1.0, 0.0, 1.0)
/Users/drpugh/anaconda/lib/python2.7/site-packages/numpy/__init__.pyc in <lambda>(x, mu, sigma)
NameError: global name 'erf' is not defined
这是一个错误,还是我错过了一些微不足道的东西?
答案 0 :(得分:3)
你告诉lambdify
它只有numpy
作为一个模块玩;给它erf
的来源。我,你有
>>> vector_F = sym.lambdify([x, mu, sigma], log_normal, modules=['numpy'])
>>> vector_F(1.0, 0.0, 1.0)
Traceback (most recent call last):
File "<ipython-input-10-14adde48d4a1>", line 1, in <module>
vector_F(1.0, 0.0, 1.0)
File "<string>", line 1, in <lambda>
NameError: global name 'erf' is not defined
但
>>> vector_F = sym.lambdify([x, mu, sigma], log_normal, modules=['numpy', 'sympy'])
>>> vector_F(1.0, 0.0, 1.0)
0.500000000000000
或
>>> vector_F = sym.lambdify([x, mu, sigma], log_normal, modules=['numpy', 'math'])
>>> vector_F(1.0, 0.0, 1.0)
0.5
或您喜欢的erf
,具体取决于您是想要sympy.core.numbers.Float
还是float
。
答案 1 :(得分:1)
从SymPy 1.3开始,lambdify中自动支持scipy。如果省略modules
参数,它将自动添加scipy。或者,您可以使用modules=['numpy', 'scipy']
。
>>> log_normal = 0.5 + 0.5 * sym.erf((sym.log(x) - mu) / sym.sqrt(2 * sigma**2))
>>> vector_F = sym.lambdify([x, mu, sigma], log_normal)
>>> vector_F(1.0, 0.0, 1.0)
0.5
通常,要支持lambdify不知道的功能,请将其作为字典添加到modules
参数中。 modules
参数确定运行lambdified函数的名称空间。请参见lambdify documentation。例如,要在SymPy <1.3中支持erf:
>>> import scipy.special
>>> vector_F = sym.lambdify([x, mu, sigma], log_normal, modules=['numpy', {'erf': scipy.special.erf}])
>>> vector_F(1.0, 0.0, 1.0)
0.5