Question

Helle我想对像这样的numpy数组做一些总结

import numpy as np
import sympy as sy
import cv2

i, j = sy.symbols('i j', Integer=True)
#next read some grayscale image to create a numpy array of pixels  
a = cv2.imread(filename)
b = sy.summation(sy.summation(a[i][j], (i,0,1)), (j,0,1)) #double summation

但是我面临着一个错误。是否可以将numpy符号作为numpy数组索引处理？如果没有，你能给我一个解决方案吗？感谢。

Answer 1

你不能直接在SymPy表达式中使用numpy对象，因为numpy对象不知道如何处理符号变量。

相反，使用SymPy对象以符号方式创建您想要的东西，然后lambdify。一个numpy数组的SymPy版本是IndexedBase，但它似乎有一个bug，因此，由于你的数组是二维的，你也可以使用MatrixSymbol。

In [49]: a = MatrixSymbol('a', 2, 2) # Replace 2, 2 with the size of the array

In [53]: i, j = symbols('i j', integer=True)

In [50]: f = lambdify(a, Sum(a[i, j], (i, 0, 1), (j, 0, 1)))

In [51]: b = numpy.array([[1, 2], [3, 4]])

In [52]: f(b)
Out[52]: 10

（另请注意，创建整数符号的正确语法为symbols('i j', integer=True)，而非symbols('i j', Integer=True)）。

请注意，您必须使用a[i, j]而不是a[i][j]，这是不受支持的。

Answer 2

MatrixSymbol仅限于二维矩阵。推广到数组任何维度，您都可以使用IndexedBase生成表达式。 lambdify是目前与IndexedBase不兼容，但可以与之一起使用 DeferredVectors。所以诀窍是将DeferredVector传递给lambdify：

import sympy as sy
import numpy as np

a = sy.IndexedBase('a')
i, j, k = sy.symbols('i j k', integer=True)
s = sy.Sum(a[i, j, k], (i, 0, 1), (j, 0, 1), (k, 0, 1))
f = sy.lambdify(sy.DeferredVector('a'), s)
b = np.arange(24).reshape(2,3,4)

result = f(b)
expected = b[:2,:2,:2].sum()
assert expected == result

是否可以使用sympy符号索引numpy数组？

2 个答案: