使用numpy数组的sympy数字

Question

在使用符号表达式数组时，使用numpy数组是否明智？

就像是

u0=numpy.array([Number(1.0), Number(1.0), Number(1.0)])

我的意思是，使用numpy数组而不是python列表会更快吗？

如果是这样，具有numpy数组的某些操作似乎会自动转换为浮动符号表达式，例如：

u0=np.array([Number(1.0), Number(1.0), Number(1.0)]) u = np.zeros((10, 3)) u[0] = u0

现在type(u0[0]) >> sympy.core.numbers.Float，

type(u[0][0]) >> numpy.float64

如何避免numpy转换复制到float64的符号表达式？

Answer 1

我怀疑与列表有很大的速度差异，因为在NumPy数组中使用任何非NumPy数据类型（即任何SymPy数据类型）会导致dtype=object ，这意味着数组只是一个指针数组（ list也是）。

目前还不清楚为什么要使用NumPy阵列？

第一个问题是，你为什么不想使用float64 ？ 假设你正在使用

• 符号表达式（例如x**2或pi ），
• 理性数字，或
• sympy.Float对象具有更高的精度

这些是我能想到的唯一原因，你想要更喜欢SymPy类型而不是NumPy类型。

使用NumPy数组的主要优点是，如果您想利用NumPy的卓越索引语法。 正如Stelios指出的那样，你可以通过使用SymPy的张量模块来获得更多。 这实际上是使用它们的唯一原因，您必须小心并注意哪些NumPy方法/功能将起作用，哪些不起作用。

原因是任何NumPy数学函数都不起作用（或者最好将数组首先转换为float64 ）。 原因是NumPy函数被设计用于NumPy数据类型。 他们不了解上述数据类型。 要获得精确值（符号表达式或有理数）或更高精度的浮点值（对于sympy.Float ），您需要使用SymPy函数，这些函数不适用于NumPy数组。

如果另一方面（再次，不清楚你究竟想要做什么），你想在SymPy中进行计算，然后使用NumPy函数来数值计算表达式，你应该使用SymPy来创建表达式，然后lambdify （或ufuncify如果性能成为一个问题）将表达式转换为等效的NumPy函数，它可以在NumPy dtypes的NumPy数组上运行。

Answer 2

我认为如果需要，可以使用numpy数组。 您应该记住，数组与列表根本不同。 最重要的是，所有数组元素必须属于同一类型，并且您无法更改类型。

特别是，您定义了数组u0 ，默认情况下是浮点数组。 这就是为什么你不能给它分配任何sympy对象的原因。

我自己使用numpy数组来容纳sympy表达式。 最值得注意的是，在我需要超过2维的情况下，因此不能使用Sympy矩阵。

如果使用数组而不是列表的唯一原因是速度，则可能不建议。 特别是，因为你必须对类型有点小心（正如你所发现的）并且在使用列表或者更喜欢sympy.Matrix时应该会有更少的惊喜。

在您的示例中，您可以通过定义正确的数据类型来解决问题：

u = np.zeros((10, 3), dtype=sp.Symbol)