Question

我正在使用自动构建的大型ODE系统。我有一个长度为state的{{1}}数组，并且数组中还存储了相等数量的微分方程。这里有2个，但在实际系统中将有100个以上。微分方程被构造为一个类，并通过n进行调用，或者，创建ODE并使用__call__进行调用。我需要将完全相同的functools partial和时间state发送到数组中的每个微分函数，并填充导数状态向量t。我想知道最干净，最pythonic也是最重要的是最快的方法。

dstate

Answer 1

对于编码，（IMO）对您所做的工作没有重大改进。您可以替换单行循环：

def change(t, state):
    return np.array([f(state=state) for f in fs])

关于效率，请检查Calling functions by array index in Python。您能做的最好的事情就是将功能捆绑在一起。在您的示例中：

class F_list:
    def __init__(self):
        pass
    def __call__(self, state):
        return 2 - state[0]**2 * state[1], 3 - state[1]*state[0] 
    def change(self, t, state):
        return self(state)

F = F_list()
sol = integrate.solve_ivp(fun = F.change, t_span = (0, 15), y0 = state0)

还请注意，使用def或lambda总是比__call__快，并且如果您想要一个类，并且除非您对实例有特殊需要，可以使用{{ 1}}装饰器，以避免不必要的实例化

将相同的输入有效地映射到多个功能

1 个答案: