Question

我正在将Matlab代码转换为python，我被卡在这里。我认为使用@会创建一个局部变量，对吗？我试图使用嵌套函数来处理代码，但是在处理其中一个变量时似乎存在问题。

#Code's variable:

#LL0 = first tentative value
#Sad and f = returns of psd estimation via welch's method
#Sad = is the psd of discrete time-series
#f = is an array of the sampled frequencies
#u_mean = is a scalar

% Matlab Code
f = @(LL, Sad, n, U_media)sum((Sad - 4 * n * LL / U_media .* (1 + 70.8 * (n * LL / U_media).^2).^(-5/6)).^2);
fun = @(LL)f(LL, Sad, n, U_media);
LL = fminsearch(fun, LL0);

def f1(LL, Sad, n, u_mean):
    a = sum((Sad - 4 * n * LL / u_mean * (1 + 70.8 * (n * LL / u_mean)**2)**(-5/6))**2)
    return(a)
f2 = lambda LL, Sad, u_mean, f: f1(LL, Sad, n, u_mean)
fun = lambda LL: f2(LL, Sad, n, u_mean)
LL = scipy.optimize.fmin(func=fun, x0=LL0, maxfun=100000, xtol=1e-6, maxiter=10000, disp=True)

代码正在运行，但是迭代为我提供了此输出

RuntimeWarning: invalid value encountered in true_divide
  sum((S_adim - 4 * f * LL / u_mean * (1 + 70.8 * (f * LL / u_mean**2)**(-5/6)))**2)
RuntimeWarning: invalid value encountered in reduce
  return ufunc.reduce(obj, axis, dtype, out, **passkwargs)
Warning: Maximum number of iterations has been exceeded.

我得到的价值与我尝试使用的价值相同谁能帮我？预先感谢

Answer 1

最终找到了解决方案；我不太确定为什么现在可以正常工作，以为我两次分配了相同的变量。无论如何，这就是我要解决的问题：

    def f(LL, Sad, n, u_mean):
        f = sum((Sad - (4 * n * LL / u_mean) *
                 ((1 + 70.8 * ((n * LL / u_mean) ** (2)))**(-5 / 6)))**2)
        return(f)

    fun = lambda LL: f(LL, Sad, n, u_mean)
    res = scipy.optimize.minimize(fun=fun, x0=LL0)
    Lux = res.x

顺便说一句，spyder闲话总是说我不应该使用lambda函数，而应该定义一个函数..有人可以告诉我为什么吗？我能够将“乐趣”翻译成一个函数；我尝试过：

def fun(LL):
   f(LL, Sad, n, u_mean)
   return(f)

res = scipy.optimize.minimize(fun=fun, x0=LL0)

但是它不起作用。如果有人能告诉我原因，那就太好了。

感谢您的帮助

将Matlab @转换为Python代码（RuntimeWarning：true_divide中遇到无效值）

1 个答案: