Question

我有这段代码：

var = ['a','b','c']
arr = np.array([ [1,2,3,4,5,6,7,8,9],
        [0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9]
      ])

y = np.hsplit(arr,len(var))

newdict = {}
for idx,el in enumerate(y):
    newdict[str(var[idx])] = el

print(newdict)

我正在拆分数组，以便有3个新数组，一个用于var列表中的每个变量。

然后，我正在创建一个新的字典，以便为每个变量分配相应的数组。所以，我现在的结果是：

{'a': array([[ 1. ,  2. ,  3. ],
       [ 0.1,  0.2,  0.3]]), 'b': array([[ 4. ,  5. ,  6. ],
       [ 0.4,  0.5,  0.6]]), 'c': array([[ 7. ,  8. ,  9. ],
       [ 0.7,  0.8,  0.9]])}

现在，我有一个表达式来评估：

expr = sympify('a + b +c')
f = lambdify(var, expr, 'numpy')

result = f(newdict['a'], newdict['b'], newdict['c'])

print(result)

所以，我正在使用lambdify并且我收到了正确的结果：

[[ 12.   15.   18. ]
 [  1.2   1.5   1.8]]

我的问题是如何避免明确调用f(newdict['a'], newdict['b'], newdict['c'])？

如何在循环中进行lambdify？

Answer 1

对于您的特定交换函数（a + b + c）：

f(*newdict.values())

对于非交换函数，需要指定键顺序（因为键在dict中是无序的），例如：

f(*[v for _, v in sorted(newdict.items())])

使用显式键：

f(*[newdict[k] for k in 'abc'])

使用OrderedDict：

from collections import OrderedDict
newdict = OrderedDict()
for idx,el in enumerate(y):
    newdict[str(var[idx])] = el

f(*newdict.values())

（f(*[1, 2, 3])相当于f(1, 2, 3)。）

在循环中调用lambdify，避免显式调用

1 个答案: