Question

我已经定义了以下函数，该函数将x和n作为参数，使用泰勒级数求和来近似arctan。我还在里面嵌入了一个条件语句，因此该函数适用于所有x。导入数学

import math

for x in range(1,10,1):
   def arctan(x, n):
       arctang=0
       inv_x=1/x
       for i in range(n):
        sign=(-1)**i
        arctang = arctang + ((inv_x**(2.0*i+1))/(2.0*i+1))*sign

       if x>0:
        arc_tan=(math.pi/2)-arctang

       else:
           arc_tan=-(math.pi/2)-arctang

       return arc_tan


   print(arctan(x,100))

此代码打印迭代：

0.7878981009052581

1.1071487177940906

1.2490457723982544

1.3258176636680326

1.3734007669450157

1.4056476493802696

1.4288992721907325

1.446441332248135

1.460139105621001

但是我希望能够将x值存储到数组中，并将这些迭代存储到另一个数组中，这样我就可以从数组中生成一个图形，即：沿着x = [1,2,3,4,5,6,7,8,9] y = [列出的迭代]

的行

我应该怎么做呢？

谢谢！

Answer 1

只需初始化 xmap 和 ymap 的空数组，然后尝试append。示例代码如下所示：

xmap = []
xmap.append(str(x))

同样适用于 y 。

ymap = []
ymap.append(str(arctan(x,100)))

不要忘记在循环外部初始化xmap和ymap。如果您希望我修改整个代码，请告诉我。

<强>更新一维数组中的完整代码。

import math
xmap = []
ymap = []

for x in range(1,10,1):
   def arctan(x, n):
       arctang=0
       inv_x=1/x
       for i in range(n):
        sign=(-1)**i
        arctang = arctang + ((inv_x**(2.0*i+1))/(2.0*i+1))*sign

       if x>0:
        arc_tan=(math.pi/2)-arctang

       else:
           arc_tan=-(math.pi/2)-arctang

       return arc_tan
   xmap.append(str(x))
   ymap.append(str(arctan(x,100)))

x = xmap
y = ymap
print "x= ",x
print "y= ",y

Answer 2

不要在每次迭代中重新定义函数。这样您就可以使用列表推导来创建＆＃34;迭代＆＃34;列表。

M_Gn_Desk

您可以将理解更改为还存储import math def arctan(x, n): arctang = 0 inv_x = 1/x for i in range(n): sign=(-1) ** i arctang = arctang + ((inv_x ** (2.0 * i + 1)) / (2.0 * i+1)) * sign if x>0: arc_tan = (math.pi / 2) - arctang else: arc_tan = -(math.pi / 2) - arctang return arc_tan iterations = [arctan(x, 100) for x in range(1, 10, 1)]的值，然后x列表的每个元素都将成为元组：

iterations

顺便说一下，iterations = [(x, arctan(x, 100)) for x in range(1, 10, 1)]已经有numpy函数：numpy.arctan。

Answer 3

为什么不对arctan()本身进行矢量化？

def varctan(x, n):
    inv_x = 1/x

    signs = numpy.empty((len(x), n))
    signs[:, ::2] = 1
    signs[:, 1::2] = -1

    exprange = 2.0 * numpy.arange(n)[None, :] + 1
    signs *= (inv_x[:, None] ** exprange) / (exprange)
    arctang = numpy.sum(signs, axis=1)

    arctang *= -1
    arctang[x > 0] += numpy.pi / 2
    arctang[~x > 0] -= numpy.pi / 2

    return arctang

varctan(numpy.arange(1, 10), 100)

如何在Python中将迭代存储到数组中？

3 个答案: