Question

我想用Python解决6阶的多项式方程。我已经尝试过＆＃34;基本＆＃34;版本：

avgIrms = 19.61
c_val = (0.000002324*avgIrms**6) - (0.0001527*avgIrms**5) + (0.003961843*avgIrms**4) - (0.052211292*avgIrms**3) + (0.379269091*avgIrms**2) -(0.404399274*avgIrms) + 0.000682896
print(c_val)

之后，我使用了以下代码的numpy：

import numpy as np
avgIrms = 19.61
ppar = [0.000002324, -0.0001527, 0.003961843, -0.052211292, 0.379269091, -0.404399274, 0.000682896]
p = np.poly1d(ppar)
print(p(avgIrms))

在两种方式中，树莓花了超过五秒钟的时间来处理...它已经很多了！有效解决多项式方程的任何帮助？（不到一秒......）

提前致谢，丹尼尔

Answer 1

首先，你想要的是评估给定x的多项式，而不是求解它。其次，我仍然不明白你是如何加快速度的。

在这里找到几个时间：

>>> import numpy as np
>>> x = 19.61
>>> pr = [0.000002324, -0.0001527, 0.003961843, -0.052211292, 0.379269091, -0.404399274, 0.000682896]
>>> p = pr[::-1] # reverse the order

硬编码解决方案：

>>> %timeit p[0] + x * p[1] + p[2] * x**2 + p[3] * x**3 + p[4] * x**4 + p[5] * x**5 + p[6] * x**6
809 ns

Loopy解决方案：

>>> %%timeit
    val = 0
    for i in range(len(p)):
        val += p[i] * x**i
1.24 µs

功能编程解决方案：

>>> %timeit reduce(lambda acc, i: acc + p[i] * x**i, range(len(p)))
1.61 µs

使用numpy的polyval：
```
>>> %timeit np.polyval(pr, x)
6.12 µs
```

使用numpy的poly1d

>>> %%timeit
    c = np.poly1d(pr)
    c(x)
9.46 µs

所以，显然numpy比较慢，因为对于如此小的数组，它在Python中增加了一些开销＆lt; - ＆gt; C通信，但仍然是6-9 µs的顺序，我正在使用台式计算机，但如果Raspberry Pi真的需要5秒才能完成该操作，我会非常感动。你确定你正确地完成了时间安排吗？

无论如何，硬编码或循环解决方案似乎比函数编程解决方案更快（相当于您在评论中定义为horner的那个）。

用Python有效地求解6阶多项式方程

1 个答案: