多个函数作为python中的参数

Question

我有以下问题：我有两组数据（组T和组F）。 以及以下功能：

x(T) = arctan(T-c0), A(x(T)) =  arctan(x(T) -c1),    
B(x(T)) =  arctan(x(T) -c2) 
and Y(x(t),F) = ((A(x(t)) - B(x(t)))/2 - A(x(t))arctan(F-c3) +  B(x(t))arctan(F-c4))
# where c0,c1,c2,c3,c4 are constants 

现在，我要创建Y的曲面图。 为此，我想将Y实现为python（numpy）函数，结果却非常复杂，因为Y将其他函数作为输入。

我的另一个想法是分别评估数据上的x ， B和A并将结果存储在numpy数组中。 有了这些，我也可以获得函数Y的输出，但是我不知道哪种方法更好地绘制数据，我真的很想知道如何将Y编写为python函数。

非常感谢您的帮助

Answer 1

绝对有可能将功能用作其他功能的输入参数。 用例可能看起来像：

def plus_one(standard_input_parameter_like_int):
    return standard_input_parameter_like_int + 1

def apply_function(function_as_input, standard_input_parameter):
    return function_as_input(standard_input_parameter)

if(__name__ == '__main__'):
    print(apply_function(plus_one, 1))

我希望这有助于解决您的特定问题。

Answer 2

1. 像def s(x,y,z,*args,*args2):会产生错误。

这是完全正常的（至少就我所知），每个函数仅允许一个可变长度的非关键字参数列表（必须将其准确标记为* args）。 因此，如果删除星号（*），则实际上应该可以正确运行s。

2. 关于最初的问题，您可以执行以下操作：

    c = [0.2,-0.2,0,0,0,0] def x(T): return np.arctan(Tc[0]) def A(xfunc,T): return np.arctan(xfunc(T) - c[1]) def B(xfunc,T): return np.arctan(xfunc(T) - c[2]) def Y(xfunc,Afunc,Bfunc,t,f): return (Afunc(xfunc,t) - Bfunc(xfunc,t))/2.0 - Afunc(xfunc,t) * np.arctan(f - c[3]) + Bfunc(xfunc,t)*np.arctan(fc[4]) _tSet = np.linspace(-1,1,20) _fSet = np.arange(-1,1,20) print Y(x,A,B,_tSet,_fSet) 

正如您所看到的（可能已经根据您的评论进行了测试），您可以将函数用作参数。 只要您在“子”功能中不使用任何“如果”条件或其他非矢量化函数，顶级功能就应该已经矢量化。