Simpy简介:python仿真模拟库-02/5
一、说明
此文为第二部分,若看第一部分。建议查看本系列的第一部分。
二、SymPy — 简化(Simplification)
SymPy 擅长通过其多样化的简化函数来简化数学表达式。在 SymPy 中,您会发现通用的 Simply() 函数,专用于实现表达式最直接的表示。
简化Simplification:simple() 函数位于 sympy.simplify 模块中,旨在使用启发式方法增强输入表达式的简单性。一个例子通过简化表达式 sin²(x) + cos²(x) 来演示其用法。
from sympy import *
x=Symbol('x')
expr=sin(x)**2 + cos(x)**2
simplify(expr)
Output:
1
三、 展开Expand
Expand() 是 SymPy 中最常见的简化函数之一,用于展开多项式表达式。例如 -
a,b=symbols('a b')
expand((a+b)**2)
expand((a+b)*(a-b))
Expand() 函数通常会增加表达式的大小,尽管它在应用时偶尔会减小表达式的大小。一般来说,调用expand()可能会导致更大的表达式,但也有例外,它会简化它们。
expand((x + 1)*(x - 2) - (x - 1)*x)
Output:
-2
四、因式分解
该函数接受多项式并将其分解为有理数领域内的不可约分量。
x,y,z=symbols('x y z')
expr=(x**2*z + 4*x*y*z + 4*y**2*z)
factor(expr)
factor(x**2+2*x+1)
Factor() 函数是 Expand() 的逆函数,并保证不可约因子。Factor_list() 提供因子的结构化输出。
expr=(x**2*z + 4*x*y*z + 4*y**2*z)
factor_list(expr)
Output:
(1, [(z, 1), (x + 2*y, 2)])
五、收集collect
该函数根据表达式列表收集表达式的加法分量,并考虑有理指数幂。
expr=x*y + x - 3 + 2*x**2 - z*x**2 + x**3
expr
六、取消
cancel() 函数的目的是将任何有理函数转换为常规格式 p/q,其中 p 和 q 都是没有共享因子的展开多项式表达式。此外,p 和 q 的前导系数是整数,缺少小数部分。
expr1=x**2+2*x+1
expr2=x+1
cancel(expr1/expr2)
Output:
x+1
expr = 1/x + (3*x/2 - 2)/(x - 4)
expr
cancel(expr)
七、trigsimp(三角恒等式)
该函数的目的是简化三角恒等式。值得一提的是,反三角函数的命名约定包括在函数名称中添加“a”作为前缀。例如,反余弦表示为“acos()”。
from sympy import trigsimp, sin, cos
from sympy.abc import x, y
expr = 2*sin(x)**2 + 2*cos(x)**2
trigsimp(expr)
Output:
2
trigsimp 函数使用启发式方法来应用最合适的三角恒等式。
八、指数项简化
该函数通过组合具有相似底数和指数的幂来简化给定的表达式。
expr=x**y*x**z*y**z
expr
powsimp(expr)
您可以通过两种方式控制 powsimp() 的操作方式:仅合并底数或仅合并指数。默认的“全部”模式结合了底数和指数。将“force”设置为 True 会合并基础而不考虑假设。
powsimp(expr, combine='base', force=True)
九、梳子Combsimp
您可以使用 SymPy 的 Combsimp() 函数简化涉及阶乘和二项式的组合表达式。此外,SymPy 还提供了专用的 Factorial() 函数来处理阶乘。
expr=factorial(x)/factorial(x - 3)
expr
为了简化上面的组合表达式,我们使用 Combsimp() 函数,如下所示 -
combsimp(expr)
十、对数组合
该函数采用对数并使用以下规则组合它们 -
- log(x) + log(y) == log(x*y) 如果两者均为正数
- a*log(x) == log(x**a) 如果 x 为正且 a 为实数
logcombine(a*log(x) + log(y) - log(z))
当此功能中启用“force”参数时,除非对数量存在现有假设,否则它将假设上述条件有效。
logcombine(a*log(x) + log(y) - log(z), force=True)
十一、SymPy — 导数
函数的导数表示其变量之一的变化速度。这对应于确定特定点处切线的斜率。在 SymPy 中,您可以使用“diff()”函数计算带有变量的数学表达式的微分。
diff(expr, variable)
from sympy import diff, sin, exp
from sympy.abc import x,y
expr=x*sin(x*x)+1 >>> expr
diff(expr,x)
diff(exp(x**2),x)
要计算多重导数,只需重复每个微分步骤的变量或通过在变量后指定数值来指示所需的顺序。
diff(x**4,x,3)
Output:
24x
for i in range(1,4): print (diff(x**4,x,i))
Output:
4*x**3
12*x**2
24*x
也可以调用表达式的 diff() 方法。它的工作原理与 diff() 函数类似。
expr=x*sin(x*x)+1
expr.diff(x)
SymPy 中的 Derivative 类允许您创建未计算的导数,与 diff() 函数共享相同的语法。要获得该导数的实际结果,您可以应用 doit 方法。
from sympy import Derivative
d=Derivative(expr)
d
d.doit()
十二、SymPy — 集成
在 SymPy 包中,您将找到积分模块,该模块设计用于计算数学表达式的定积分和不定积分。当在表达式后面提供变量时,integrate() 方法可以计算原始积分或不定积分。
integrate(f, x)
要计算定积分,请按如下方式传递参数 -
(integration_variable, lower_limit, upper_limit)
from sympy import *
x,y = symbols('x y')
expr=x**2 + x + 1
integrate(expr, x)
expr=sin(x)*tan(x)
expr
integrate(expr,x)
expr=exp(-x**2)
integrate(expr,(x,0,oo) )
您可以使用 Integral 对象创建未计算的积分,该对象可以通过调用 doit() 方法进行计算。
expr = Integral(log(x)**2, x)
expr
expr.doit()
十三、积分变换
SymPy 支持各种类型的积分变换,如下所示 -
- 拉普拉斯变换
- 傅里叶变换
- 正弦变换
- 余弦变换
- 汉克尔变换
提到的函数位于 sympy.integrals.transforms 模块内。提供的示例说明了傅立叶变换和拉普拉斯变换的计算。
实施例1
from sympy import fourier_transform, exp
from sympy.abc import x, k
expr=exp(-x**2)
fourier_transform(expr, x, k)
在 python shell 中执行上述命令时,将生成以下输出 -
sqrt(pi)*exp(-pi**2*k**2)
这相当于 -
实施例2
from sympy.integrals import laplace_transform
from sympy.abc import t, s, a
laplace_transform(t**a, t, s)
在 python shell 中执行上述命令时,将生成以下输出 -
(s**(-a)*gamma(a + 1)/s, 0, re(a) > -1)
十四、SymPy — 矩阵
在数学领域,矩阵是元素的结构化排列,可以包含数字、符号或数学表达式。矩阵运算的概念涉及对这些矩阵结构执行各种数学运算,所有这些运算都遵循特定的数学准则。
矩阵的一个值得注意的应用在于线性变换领域,这是许多科学学科中的一个重要概念,特别是在基于矩阵的方法学广泛应用的物理领域。
在 SymPy 包中,有一个用于处理矩阵的专用模块。该模块介绍了 Matrix 类,它是一个基本组件,可用作矩阵的表示并促进矩阵的操作。
from sympy.matrices import Matrix
from sympy.matrices import Matrix
m=Matrix([[1,2,3],[2,3,1]])
m
矩阵是从适当大小的列表对象创建的。您还可以通过将列表项分布在指定数量的行和列中来获取矩阵。
M=Matrix(2,3,[10,40,30,2,6,9])
M
矩阵是一个可变对象。矩阵模块还提供了 ImmutableMatrix 类来获取不可变矩阵。
十五、基本操控
Matrix 对象的shape属性返回其大小。
M.shape
Output:
(2,3)
row() 和 col() 方法分别返回指定数量的行或列。
M.row(0)
Output:
[10 40 30]
M.col(1)
使用 Python 的切片运算符来获取属于行或列的一项或多项。
M.row(1)[1:3]Output:
[6, 9]
Matrix 类具有 row_del() 和 col_del() 方法,可从给定矩阵中删除指定的行/列 -
M=Matrix(2,3,[10,40,30,2,6,9])
M.col_del(1)
M
您可以使用以下命令将样式应用于输出 -
M.row_del(0)
MOutput:
[2 6 9]
类似地,row_insert() 和 col_insert() 方法在指定的行或列索引处添加行或列
M1=Matrix([[10,30]])
M=M.row_insert(0,M1)
M
十六、算术运算
定义常用运算符 +、— 和 * 来执行加法、减法和乘法。
M1=Matrix([[1,2,3],[3,2,1]])
M2=Matrix([[4,5,6],[6,5,4]])
M1+M2
M1-M2
矩阵乘法可以在第一个矩阵中的列数与第二个矩阵中的行数匹配的条件下发生。此外,结果将具有与第一个矩阵相同的行数和与第二个矩阵相同的列数。
M1=Matrix([[1,2,3],[3,2,1]])
M2=Matrix([[4,5],[6,6],[5,4]])
M1*M2
十七、矩阵构造函数
SymPy 提供各种专门的矩阵类,例如单位矩阵和全零或全填充的矩阵。这些类分别用名称“eye”、“zeros”和“ones”表示。具体来说,单位矩阵是一个方阵,其中沿对角线的所有元素都等于 1,而所有其他元素都设置为 0。
from sympy.matrices import eye
eye(3)
在对角矩阵中,对角线上的元素根据提供的参数进行初始化。
from sympy.matrices import diag
diag(1,2,3)
零矩阵中的所有元素都初始化为 0。
from sympy.matrices import zeros
zeros(2,3)
同样,ones 是所有元素都设置为 1 的矩阵。
from sympy.matrices import ones
ones(2,3)
到目前为止,一切都很好。我们已经看到使用该库的各种简化,数学工具箱绝对是好的。在接下来的部分中,我们将了解如何定义和使用本质上构成模拟构建块的函数。
相关文章:

Simpy简介:python仿真模拟库-02/5
一、说明 关于python下的仿真库,本篇为第二部分,是更进一步的物理模型讲解,由于这部分内容强依赖于第一部分的符号介绍,因此,有以下建议: 此文为第二部分,若看第一部分。建议查看本系列的第一部…...
Kafka高级应用:如何配置处理MQ百万级消息队列?
在大数据时代,Apache Kafka作为一款高性能的分布式消息队列系统,广泛应用于处理大规模数据流。本文将深入探讨在Kafka环境中处理百万级消息队列的高级应用技巧。 本文,已收录于,我的技术网站 ddkk.com,有大厂完整面经…...

LIN总线学习笔记(1)-总线传输规范
关注菲益科公众号—>对话窗口发送 “CANoe ”或“INCA”,即可获得canoe入门到精通电子书和INCA软件安装包(不带授权码)下载地址。 接触LIN是从最近负责项目中开始的。项目已经快要量产了,因为中间遇到的大大小小的问题…...

Qt界面篇:Qt停靠控件QDockWidget、树控件QTreeWidget及属性控件QtTreePropertyBrowser的使用
1、功能介绍 本篇主要使用Qt停靠控件QDockWidget、树控件QTreeWidget及Qt属性控件QtTreePropertyBrowser来搭建一个简单实用的主界面布局。效果如下所示。 2、控件使用详解 2.1 停靠控件QDockWidget QDockWidget可以停靠在 QMainWindow 内或作为桌面上的顶级窗口浮动。默认值…...

H266/VVC网络适配层概述
视频编码标准的分层结构 视频数据分层的必要性:网络类型的多样性、不同的应用场景对视频有不同的需求。 编码标准的分层结构:为了适应不同网络和应用需求,视频编码数据根据其内容特性被分成若干NAL单元(NAL Unit,NALU…...

new FormData 同时发送表单 json 以及文件二进制流
需要新增时同时发送表单 json 以及对应的文件即可使用以下方法传参 let formDataParams new FormData(); 首先通过 new FormData() 创建你需要最后发送的表单 接着将你的对象 json 存储,注意使用 new Blob 创建大表单转换成 json 格式。以…...

计算机环境安全
操作系统安全----比如windows,linux 安全标识--实体唯一性 windows---主体:账户,计算机,服务 安全标识符SID-Security Identifier 普通用户SID是1000,管理用SID是500 linux---主体:用户,用户组…...
Activiti7工作流引擎:多租户
一:多租户 表示每个租户之间数据隔离互不影响,互不可见。通常一个租户表示一个系统应用(类似于appid的作用)或者一家公司。 通过数据库级别进行隔离,每个租户对应一个数据库;通过表记录级别进行隔离&…...

Postman实现压力测试
从事软件开发对于压力测试并不陌生,常见的一些压测软件有Apache JMeter LoadRunner Gatling Tsung 等,这些都是一些比较专业的测试软件,对于我的工作来说一般情况下用不到这么专业的测试,有时候需要对一些接口进行压力测试又不想再安装新软件,那么可以使用Postman来实现对…...

爬虫工具(tkinter+scrapy+pyinstaller)
需求介绍输入:关键字文件,每一行数据为一爬取单元。若一行存在多个and关系的关键字 ,则用|隔开处理:爬取访问6个网站的推送,获取推送内容的标题,发布时间,来源,正文第一段࿰…...
MySQL常用sql语句记录
1,创建用户及赋权 -- 创建用户 CREATE USER usernamelocalhost IDENTIFIED BY password;-- 赋予所有权限 GRANT ALL PRIVILEGES ON database_name.* TO usernamelocalhost;-- 赋予特定表的某些权限 GRANT SELECT, INSERT ON table_name TO usernamelocalhost;-- 更…...
2024.1.4力扣每日一题——被列覆盖的最多行数
2024.1.4 题目来源我的题解方法一 回溯位运算优化 题目来源 力扣每日一题;题序:2397 我的题解 方法一 回溯位运算优化 这道题一看就会想到使用回溯法,但是采用回溯法后如何判断有多少行被覆盖,直接计算矩阵时间复杂度较高&…...

Elasticsearch:Serarch tutorial - 使用 Python 进行搜索 (一)
本实践教程将教你如何使用 Elasticsearch 构建完整的搜索解决方案。 在本教程中你将学习: 如何对数据集执行全文关键字搜索(可选使用过滤器)如何使用机器学习模型生成、存储和搜索密集向量嵌入如何使用 ELSER 模型生成和搜索稀疏向量如何使用…...
第五讲_css元素显示模式
css元素显示模式 1. 元素的显示模式1.1 块元素1.2 行内元素1.3 行内块元素 2. 元素根据显示模式分类3. 修改元素的显示模式 1. 元素的显示模式 1.1 块元素 块元素的特性: 在页面中独占一行,从上到下排列。默认宽度,撑满父元素。默认高度&a…...
Shell脚本入门实战:探索自动化任务与实用场景
引言 Shell脚本作为一种强大的自动化工具,在现代操作系统中具有广泛的应用。无论是简单的文件操作,还是复杂的系统管理,Shell脚本都能提供高效、快速的解决方案。在本文中,我们将探索Shell脚本的基础知识,并通过实战场…...

【AI视野·今日Sound 声学论文速览 第四十二期】Fri, 5 Jan 2024
AI视野今日CS.Sound 声学论文速览 Fri, 5 Jan 2024 Totally 10 papers 👉上期速览✈更多精彩请移步主页 Daily Sound Papers PosCUDA: Position based Convolution for Unlearnable Audio Datasets Authors Vignesh Gokul, Shlomo Dubnov深度学习模型需要大量干净的…...
Java中如何使用SQLite数据库
目录 SQLite简介SQLite优势安装 SQLite基本使用Java使用SQLite Springboot使用SQLite1.添加依赖2.配置数据库3.创建实体类 4.创建Repository接口5.创建控制器6.运行应用程序 SQLite简介 SQLite 是一个开源的嵌入式关系数据库,实现了自给自足的、无服务器的、配置无…...

kettle的基本介绍和使用
1、 kettle概述 1.1 什么是kettle Kettle是一款开源的ETL工具,纯java编写,可以在Window、Linux、Unix上运行,绿色无需安装,数据抽取高效稳定。 1.2 Kettle核心知识点 1.2.1 Kettle工程存储方式 以XML形式存储以资源库方式存储…...

数据结构第2章 栈和队列
名人说:莫听穿林打叶声,何妨吟啸且徐行。—— 苏轼《定风波莫听穿林打叶声》 本篇笔记整理:Code_流苏(CSDN)(一个喜欢古诗词和编程的Coder😊) 目录 0、思维导图栈和队列1、栈1)特点2࿰…...

Axure鲜花商城网站原型图,网上花店订花O2O本地生活电商平台
作品概况 页面数量:共 30 页 兼容软件:仅支持Axure RP 9/10,非程序软件无源代码 应用领域:鲜花网、花店网站、本地生活电商 作品特色 本作品为「鲜花购物商城」网站模板,高保真高交互,属于O2O本地生活电…...

Swift 协议扩展精进之路:解决 CoreData 托管实体子类的类型不匹配问题(下)
概述 在 Swift 开发语言中,各位秃头小码农们可以充分利用语法本身所带来的便利去劈荆斩棘。我们还可以恣意利用泛型、协议关联类型和协议扩展来进一步简化和优化我们复杂的代码需求。 不过,在涉及到多个子类派生于基类进行多态模拟的场景下,…...
2024年赣州旅游投资集团社会招聘笔试真
2024年赣州旅游投资集团社会招聘笔试真 题 ( 满 分 1 0 0 分 时 间 1 2 0 分 钟 ) 一、单选题(每题只有一个正确答案,答错、不答或多答均不得分) 1.纪要的特点不包括()。 A.概括重点 B.指导传达 C. 客观纪实 D.有言必录 【答案】: D 2.1864年,()预言了电磁波的存在,并指出…...

《通信之道——从微积分到 5G》读书总结
第1章 绪 论 1.1 这是一本什么样的书 通信技术,说到底就是数学。 那些最基础、最本质的部分。 1.2 什么是通信 通信 发送方 接收方 承载信息的信号 解调出其中承载的信息 信息在发送方那里被加工成信号(调制) 把信息从信号中抽取出来&am…...

项目部署到Linux上时遇到的错误(Redis,MySQL,无法正确连接,地址占用问题)
Redis无法正确连接 在运行jar包时出现了这样的错误 查询得知问题核心在于Redis连接失败,具体原因是客户端发送了密码认证请求,但Redis服务器未设置密码 1.为Redis设置密码(匹配客户端配置) 步骤: 1).修…...

智能分布式爬虫的数据处理流水线优化:基于深度强化学习的数据质量控制
在数字化浪潮席卷全球的今天,数据已成为企业和研究机构的核心资产。智能分布式爬虫作为高效的数据采集工具,在大规模数据获取中发挥着关键作用。然而,传统的数据处理流水线在面对复杂多变的网络环境和海量异构数据时,常出现数据质…...
在QWebEngineView上实现鼠标、触摸等事件捕获的解决方案
这个问题我看其他博主也写了,要么要会员、要么写的乱七八糟。这里我整理一下,把问题说清楚并且给出代码,拿去用就行,照着葫芦画瓢。 问题 在继承QWebEngineView后,重写mousePressEvent或event函数无法捕获鼠标按下事…...

华为OD机考-机房布局
import java.util.*;public class DemoTest5 {public static void main(String[] args) {Scanner in new Scanner(System.in);// 注意 hasNext 和 hasNextLine 的区别while (in.hasNextLine()) { // 注意 while 处理多个 caseSystem.out.println(solve(in.nextLine()));}}priv…...
苹果AI眼镜:从“工具”到“社交姿态”的范式革命——重新定义AI交互入口的未来机会
在2025年的AI硬件浪潮中,苹果AI眼镜(Apple Glasses)正在引发一场关于“人机交互形态”的深度思考。它并非简单地替代AirPods或Apple Watch,而是开辟了一个全新的、日常可接受的AI入口。其核心价值不在于功能的堆叠,而在于如何通过形态设计打破社交壁垒,成为用户“全天佩戴…...

解析奥地利 XARION激光超声检测系统:无膜光学麦克风 + 无耦合剂的技术协同优势及多元应用
在工业制造领域,无损检测(NDT)的精度与效率直接影响产品质量与生产安全。奥地利 XARION开发的激光超声精密检测系统,以非接触式光学麦克风技术为核心,打破传统检测瓶颈,为半导体、航空航天、汽车制造等行业提供了高灵敏…...

第一篇:Liunx环境下搭建PaddlePaddle 3.0基础环境(Liunx Centos8.5安装Python3.10+pip3.10)
第一篇:Liunx环境下搭建PaddlePaddle 3.0基础环境(Liunx Centos8.5安装Python3.10pip3.10) 一:前言二:安装编译依赖二:安装Python3.10三:安装PIP3.10四:安装Paddlepaddle基础框架4.1…...