我正在使用sympy为数值计算生成一些函数.因此,我将一个表达式lambdify,并将其与numpy数组一起使用.这是一个例子:
import numpy as np import sympy as sp def numpy_function(): x, y, z = np.mgrid[0:1:40*1j, 0:1:40*1j, 0:1:40*1j] T = (1 - np.cos(2*np.pi*x))*(1 - np.cos(2*np.pi*y))*np.sin(np.pi*z)*0.1 return T def sympy_function(): x, y, z = sp.Symbol("x"), sp.Symbol("y"), sp.Symbol("z") T = (1 - sp.cos(2*sp.pi*x))*(1 - sp.cos(2*sp.pi*y))*sp.sin(sp.pi*z)*0.1 lambda_function = np.vectorize(sp.lambdify((x, y, z), T, "numpy")) x, y, z = np.mgrid[0:1:40*1j, 0:1:40*1j, 0:1:40*1j] T = lambda_function(x,y,z) return T
sympy版本和纯粹numpy版本之间的问题是速度即
In [3]: timeit test.numpy_function() 100 loops, best of 3: 11.9 ms per loop
与
In [4]: timeit test.sympy_function() 1 loops, best of 3: 634 ms per loop
那么有没有办法更接近numpy版本的速度?我认为np.vectorize非常慢,但不知怎的,如果没有它,我的代码中的某些部分就无法运行.谢谢你的任何建议.
编辑:所以我找到了为什么vectorize函数是必要的,即:
In [35]: y = np.arange(10) In [36]: f = sp.lambdify(x,sin(x),"numpy") In [37]: f(y) Out[37]: array([ 0. , 0.84147098, 0.90929743, 0.14112001, -0.7568025 , -0.95892427, -0.2794155 , 0.6569866 , 0.98935825, 0.41211849])
这似乎工作正常但是:
In [38]: y = np.arange(10) In [39]: f = sp.lambdify(x,1,"numpy") In [40]: f(y) Out[40]: 1
因此对于简单表达式,1
此函数不会返回数组.有没有办法解决这个问题,这不是某种错误或至少是不一致的设计?