如何在Python函数中将SymPy.core.add.Add用作数学计算的值

如何解决如何在Python函数中将SymPy.core.add.Add用作数学计算的值

我有一个函数，它通过一个值数组进行循环。然后我将其整合两次，我需要 在另一个函数中使用第二次积分的值。

import numpy as np
import sympy 
from sympy.abc import a,x,y

#First function
def m1(x):
    mn = (-110 + 210*x + -113*x**2 + 141*x**3 + -869*x**4 + 2980*x**5 +
          -6150*x**6 + 7848*x**7 + -6079*x**8 + 2626*x**9 + -485*x**10)
    return mn

#Array of values 
dist = np.arange(0,1.09,0.01)
result_m1 = [] #Empty list to store results

#Iteration over array
for v in dist:
    result_m1.append(m1(v))

f1 = sympy.integrate(m1(x),x) #First symbolic integration
f2 = sympy.integrate(f1,x) #second symbolic integration

def d(x):
    df = (-1)*(f2)/(67e9*4.72537401e-9)
    return df

#Second iteration for another batch of results
result_d = []
for v in dist:
    result_d.append(d(v))

每当我运行上面的代码，我都会得到result_m1是数字列表（可用），而result_d是表达式/ SymPy符号方程式列表（不可用）。 我需要f2是一个符号方程式，因此我将得到一个像m1函数之类的函数（我可以用该数组进行迭代的函数）。

解决方法

全局sympy变量x与函数的参数x之间存在混淆。这些不一样。最好给他们起个单独的名字，以减少混乱。然后，您会注意到f2使用符号x。可以通过f2.subs(x,xi)将其替换为参数值：

import numpy as np
import sympy
from sympy.abc import a,x,y

#First function
def m1(xi):
    mn = (-110 + 210*xi + -113*xi**2 + 141*xi**3 + -869*xi**4 + 2980*xi**5 +
          -6150*xi**6 + 7848*xi**7 + -6079*xi**8 + 2626*xi**9 + -485*xi**10)
    return mn

#Array of values
dist = np.arange(0,1.09,0.01)
result_m1 = [] #Empty list to store results

#Iteration over array
for v in dist:
    result_m1.append(m1(v))

f1 = sympy.integrate(m1(x),x) #First symbolic integration
f2 = sympy.integrate(f1,x) #second symbolic integration

def d(xi):
    df = (-1)*(f2.subs(x,xi))/(67e9*4.72537401e-9)
    return df

#Second iteration for another batch of results
result_d = []
for v in dist:
    result_d.append(d(v))

如评论中所述，lambdify()可用于创建numpy版本，该版本允许编写使numpy的broadcasting受益的调用：

import numpy as np
import sympy
from sympy.abc import a,y

#First function
def m1(xi):
    mn = (-110 + 210*xi + -113*xi**2 + 141*xi**3 + -869*xi**4 + 2980*xi**5 +
          -6150*xi**6 + 7848*xi**7 + -6079*xi**8 + 2626*xi**9 + -485*xi**10)
    return mn

dist = np.arange(0,0.01)
m1_np = sympy.lambdify(x,m1(x))  # use lambdify to create a numpy version of function m1
result_m1 = m1_np(dist)

f1 = sympy.integrate(m1(x),xi))/(67e9*4.72537401e-9)
    return df

d_np = sympy.lambdify(x,d(x))
result_d = d_np(dist)