Question

我想将不同的方程式放入彼此，然后在d之后求解。不幸的是，这需要永远的时间，在某些时候他告诉我记忆已满。我可以以某种方式加快速度吗？难道我做错了什么？该命令应该是正确的，因为使用更简单的公式，我已经完成了相同的操作，而不会彼此插入。

这是我的方程式模块：

## Parameter in SI-Einheiten
p = 103000      # Pa
M_Ar = 0.039948 # kg/mol
R = 8.314       # J/(mol*K)
A_N = 0.0123
gamma = 3*10**(-4)
g = 9.81        # m/s^2
cw2 = 0.45
cw1 = 0.18

# --------

## Eingabe der Temperatur
choice = 1
if choice == 1:
    temp = 298.15
    roh_titan = 4505 # kg/m^3
    eta = 0.0000225
elif choice == 2:
    temp = 2000
    roh_titan = 4000 # kg/m^3
    eta = 0.00012217


# --------

## Berechnung Geschwindigkeit u für allgemein cw
def u_cw(du, u3):
    return (sigma_p()*4/3*du/cw(du, u3)*g)-(u3*10**(-3))**2


# ------

# Berechnung cw-Wert
def cw(d4, u4):
    return 24/re(d4, u4)*(1+0.15*re(d4, u4)**0.687)+0.44


# Berechnung Reynoldszahl
def re(d2, u2):
    return roh_ar()*u2*d2/eta


## Berechnung Dichte Argon
def roh_ar():
    return p*M_Ar/(R*temp)


def sigma_p():
    return roh_titan/roh_ar()

这是我的脚本：

import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddata
import pandas as pd
import fw_istgleich_fg_NurEinCw
from sympy import *


print('Datei einlesen')
## Aus Datei lesen mit genfromtxt und ausgeben
data = np.genfromtxt(dateiname3, skip_header=1, usecols=(0,1,4), delimiter='\t', invalid_raise=False, filling_values=0)
print('Datei eingelesen')
xx = data[0::,0]
yy = data[0::,1]
velocity_1d = data[0::,2]


# definiere Dataframe
vel_Coord = {'x':xx,
             'y':yy,
             'velocity': velocity_1d}       # in mm/s, muss im Modul umgerechnet werden!
df = pd.DataFrame(vel_Coord)
print('Dataframe wurde erzeugt')


# Geschwindigkeit in Durchmesser umrechnen
diameter1 = []
diameter2 = []

此命令应调用方程式，然后在d之后求解它们：

d, geschw = symbols('d, geschw')
result = solve(fw_istgleich_fg_NurEinCw.u_cw(d, geschw), d)  
print(result)

Answer 1

似乎您多次求解基本相同的方程，只是系数不同。引入符号

会更有效

p, M_Ar, ...,  eta = symbols('p, M_Ar, ... , eta', positive=True)

并求解一次方程式。然后用

将浮点常量替换为 solution

values = {p: 103000, ..., eta: 0.00012217}
result_numeric = result.subs(values)

如何在变量后加快求解速度？

1 个答案: