我正在尝试绘制一个有条件定义的函数。特别: U(x)=(2 ** delta)/((Dd)** delta)*(D / 2 - (x-x0))** delta,abs(x-x0)小于D / 2和0否则。
但我的问题是我希望将x,x0作为numpy数组,因为这是我在其余实际代码中使用它们的方式。
我已经设置了以下示例:
import numpy as np
import matplotlib.pyplot as plt
AD = 0.2
D = 0.4
delta = 8
def Parabolic(x, delta, D, AD):
x0 = np.round(x)
tempx = np.abs(x-x0)
tempD = D/2*np.ones(len(x))
if tempx<tempD:
return ((2**delta)/(D-AD)**delta)*(D/2 - (x-x0))**delta
else:
return 0
figure = plt.figure(figsize=(10,8), dpi=72)
xmin = -1.0
xmax = 1.0
X = np.linspace(xmin,xmax,1000)
plt.plot(X, Parabolic(X, delta=8, D=0.4, AD=0.2))
显然这个例子不起作用,因为行tempx<tempD
引发了列表的真值 - 含糊不清的错误。
我搜索了numpy的文档并找到了函数np.less(tempx,tempD)。但是,如果我将tempx < tempD
替换为np.less(tempx, tempD)
,它仍然无法工作,因为我再一次要求整个列表的真值。我知道问题不在于numpy,而在于我无法理解如何使用numpy提供的逻辑函数。
我很抱歉,如果这在另一篇文章中以某种方式回答,我在这个论坛中搜索但除了curve()
方法之外找不到其他东西。但是我想保留我的numpy.array格式以用于我的实际代码。我敢打赌,答案必须非常简单,我无法想到它。
答案 0 :(得分:4)
尝试使用numpy逻辑数组:
import numpy as np
import matplotlib.pyplot as plt
AD = 0.2
D = 0.4
delta = 8
def Parabolic(x, delta, D, AD):
rtn_arr = np.zeros(len(x))
x0 = np.round(x)
tempx = np.abs(x-x0)
tempD = D/2*np.ones(len(x))
lgc_arr = tempx<tempD
x_cut = x[lgc_arr]
x0_cut = x0[lgc_arr]
rtn_arr[lgc_arr] = ((2**delta)/(D-AD)**delta)*(D/2 - (x_cut-x0_cut))**delta
return rtn_arr
figure = plt.figure(figsize=(10,8), dpi=72)
xmin = -1.0
xmax = 1.0
X = np.linspace(xmin,xmax,1000)
plt.plot(X, Parabolic(X, delta=8, D=0.4, AD=0.2))
答案 1 :(得分:3)
抛物线必须是ufunc,所以你不能在你的代码中放入python测试。
一个简单的解决方法是:
def Parabolic(x, delta, D, AD):
x0 = np.round(x)
tempx = np.abs(x-x0)
tempD = D/2*np.ones(len(x))
u=(((2**delta)/(D-AD)**delta)*(D/2 - (x-x0))**delta)
u[tempx>=tempD]=0
return u
或避免不必要的计算:
def Parabolic2(x, delta, D, AD):
x0 = np.round(x)
tempx = np.abs(x-x0)
tempD = D/2*np.ones(len(x))
u= zeros_like(x)
valid=tempx<tempD
u[valid]=(((2**delta)/(D-AD)**delta)*(D/2 - (x-x0)[valid])**delta)
return u
第二个更快:
In [141]: %timeit Parabolic(x,8,.4,.2)
1000 loops, best of 3: 310 µs per loop
In [142]: %timeit Parabolic2(x,8,.4,.2)
1000 loops, best of 3: 218 µs per loop