我试图用Sympy象征性地定义二项式函数。 我的第一次尝试如下:
import numpy as np
import scipy.stats as st
import sklearn.linear_model as lm
import matplotlib.pyplot as plt
import sympy as sp
sp.interactive.printing.init_printing(use_latex=True)
n = sp.Symbol('n', integer=True, positive=True)
r = sp.Symbol('r', integer=True, positive=True)
theta = sp.Symbol('theta')
#Create the function symbolically
from sympy import factorial
cNkLambda= lambda n,r : (factorial(n))/ (factorial(r) *factorial(n- r))
binomLambda= lambda theta, n, r: cNkLambda(n,r)*((theta **r)*(1-theta)**(n-r))
print binomLambda (0.5, 10,5)
然而,我意识到我没有在这里使用任何Sympy功能,并且没有任何符号进行评估。
在我的第二次尝试中,我删除了Lambda定义,以便正确定义符号函数,但是这会导致异常:
%reset -f
import numpy as np
import scipy.stats as st
import sklearn.linear_model as lm
import matplotlib.pyplot as plt
import sympy as sp
#from sympy import binomial
#from sympy import Symbol, Rational, factorial, binomial, expand_func
sp.interactive.printing.init_printing(use_latex=True)
n = sp.Symbol('n', integer=True, positive=True)
r = sp.Symbol('r', integer=True, positive=True)
theta = sp.Symbol('theta')
#Create the function symbolically
from sympy import factorial
cNkLambda= (factorial(n))/ (factorial(r) *factorial(n-r))
#cNkLambda_fied = sp.lambdify((n,r), cNkLambda, modules='numpy')
cNkLambda.evalf() # this works
binomLambda= cNkLambda(n,r)*((theta **r)*(1-theta)**(n-r))
#Convert it to a Numpy-callable function
#bin_likelihood = sp.lambdify((theta,r,n), binomLambda, modules='numpy')
#print binomLambda (0.5, 10,5)
TypeError Traceback(最近一次调用最后一次) in() 23 cNkLambda.evalf()#这是有效的 24 ---> 25 binomLambda = cNkLambda(n,r)((theta r) (1-theta)(n-r)) 26#将其转换为Numpy-callable函数 27 #bin_likelihood = sp.lambdify((theta,r,n),binomLambda,modules =' numpy')
TypeError:' Mul'对象不可调用
我的问题是:如何正确定义函数,使其一直是符号。
编辑1: 找到关于此错误的参考文献:https://github.com/sympy/sympy/issues/8562,但我无法推断出我的代码中我在做同样的事情。
编辑2: 我更新了这个问题,改了:
binomLambda= cNkLambda(n,r)*((theta **r)*(1-theta)**(n-r))
到:
binomLambda= cNkLambda*((theta **r)*(1-theta)**(n-r))
但是现在当我尝试按照以下方式对符号函数进行标准化时: binomLambda.subs({theta:0.5,r:5,n:10})#this works
#Convert it to a Numpy-callable function
binomRealLambda = sp.lambdify((theta,r,n), binomLambda, modules='numpy')
print binomRealLambda(0.5,5,10)
NameError Traceback(最近一次调用最后一次) in() 27 binomRealLambda = sp.lambdify((theta,r,n),binomLambda,modules =' numpy') 28 ---> 29 print binomRealLambda(0.5,5,10)
/System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy/ init .pyc in(_Dummy_46,_Dummy_47,_Dummy_48)
NameError:全局名称' factorial'未定义
编辑3: 我完全了解了这个:
#----------------------Symbolic beta-------------------------------#
a = sp.Symbol('a', integer=False, positive=True)
b = sp.Symbol('b', integer=False, positive=True)
mu = sp.Symbol('mu', integer=False, positive=True)
# Create the function symbolically
G = sp.gamma
# The normalisation factor
BetaNormSym = G(a + b)/(G(a)*G(b))
# The functional form
BetaFSym = mu**(a-1) * (1-mu)**(b-1)
BetaSym=BetaNormSym * BetaFSym
BetaSym.evalf() # this works
# Turn Beta into a function
BetaLambda = sp.Lambda((mu,a,b), BetaSym)
maths(r"\operatorname{Beta}(\mu|a,b) = ")
display(BetaSym)
BetaLambda(0.5,1,1)
BetaSym.subs({mu:0.5,a:1,b:1})
#----------------------Symbolic beta-------------------------------#
谢谢,
答案 0 :(得分:1)
cNkLambda
是一个SymPy表达式,根据n
和r
定义。
它不是一个函数,所以不要用cNkLambda(n,r)
调用它。然后可以通过以下方式定义binomLambda
:
binomLambda = cNkLambda*((theta **r)*(1-theta)**(n-r))
In [18]: cNkLambda
Out[20]:
n!
───────────
r!⋅(n - r)!
In [22]: cNkLambda*((theta **r)*(1-theta)**(n-r))
Out[22]:
r n - r
θ ⋅(-θ + 1) ⋅n!
───────────────────
r!⋅(n - r)!
要使用binomLambda
制作数字函数,可以使用sympy.lambdify
。
但请注意,binomLambda
使用阶乘,而NumPy未定义阶乘函数。
您可以拨打math.factorial
或scipy.misc.factorial
:
bin_likelihood = sy.lambdify((theta,r,n), binomLambda, modules='math')
或
bin_likelihood2 = sy.lambdify((theta,r,n), binomLambda,
modules=[{'factorial':misc.factorial}])
例如,
import scipy.misc as misc
import numpy as np
import sympy as sy
sy.interactive.printing.init_printing(use_latex=True)
n = sy.Symbol('n', integer=True, positive=True)
r = sy.Symbol('r', integer=True, positive=True)
theta = sy.Symbol('theta')
cNkLambda= (sy.factorial(n))/ (sy.factorial(r) * sy.factorial(n-r))
binomLambda = cNkLambda*((theta **r)*(1-theta)**(n-r))
bin_likelihood = sy.lambdify((theta,r,n), binomLambda, modules='math')
print(bin_likelihood(np.linspace(0,2*np.pi,4), 2, 5))
# [ 0.00000000e+00 -5.74962672e+01 -5.68925055e+03 -5.82166577e+04]
bin_likelihood2 = sy.lambdify((theta,r,n), binomLambda,
modules=[{'factorial':misc.factorial}])
print(bin_likelihood2(np.linspace(0,2*np.pi,4), 2, 5))
# [ 0.00000000e+00 -5.74962672e+01 -5.68925055e+03 -5.82166577e+04]