我有以下一些matlab代码：
f=@(h)(exp(-2*mun*(h/sigma+1.166))-1+2*mun*(h/sigma+1.166))/(2*mun^2)-ARL0;
参数并不重要，它们在这一点上都只是常量。重要的是，现在我可以通过调用f（h）来评估该函数的任何h值。特别是，我可以在我指定的任何时间间隔内找到函数的零，最小值，最大值等。
我正在将这段代码翻译成python，主要是作为学习python的练习，我想知道是否有类似的东西（可能是numpy）我可以使用，而不是设置一个任意组的numpy数组h要处理的值。
我可以做类似（伪代码）的事情：
f = numpy.array(that function for h in numpy.arange(hmin, hmax,hstep))
但是这会让我变成一个步长。有没有办法避免这种情况并获得像matlab一样的完全精度？
编辑：在一天结束时我真正想要的是找到函数f的零，最大和最小位置（不是值）。看起来scipy可能有一些在这里更有用的功能：http://docs.scipy.org/doc/scipy/reference/optimize.html
答案 0 :(得分：1)
如果您只是寻找x的整数值的f值，则以下内容将起作用：
f = [your_function(x) for x in xrange(hmin, hmax)]
如果您想要比整数值更精细的粒度，您可以这样做：
f = [your_function(x) for x in xrange(hmin, hmax, hstep)]
如果您需要对零，最大和最小位置的精确解决方案，我同意您的修改：使用scipy optimize。
有关scipy优化功能的两个重要说明：
答案 1 :(得分：1)
Python中的MATLAB等效函数句柄（@表示法）被称为＆＃34; lambda函数＆＃34;在python中。等效语法如下：
Matlab的：
func = @(h)(h+2):
的Python：
func = lambda h: h+2
对于您的具体情况，您将实现相应的matlab函数，如下所示：
import numpy as np
f = lambda h: (np.exp(-2*mun*(h/sigma+1.166))-1+2*mun*(h/sigma+1.166))/(2*mun**2)-ARL0
f用作函数并直接应用于任何numpy数组。所以这可行，例如：
rarr = np.random.random((100, 20))
frarr = f(rarr)