scipy 如何在numpy中使用一些固定参数对函数进行矢量化？

nszi6y05 于 2022-11-10 发布在其他

关注(0)|答案(1)|浏览(141)

我写了一个代码，用伯恩斯坦多项式（https://en.wikipedia.org/wiki/Bernstein_polynomial）逼近函数。
于
https://github.com/pdenapo/metodos-numericos/blob/master/python/bernstein.py
我有一个函数，它给出的多项式近似f为伯恩斯坦（f，n，p）（其中f是我想近似的函数，n是阶数，p是它被求值的点。

def bernstein(f, n, p):
    return np.sum(
        [f(k / n) * st.binom.pmf(k, n, p) for k in np.arange(0, n + 1)])

现在我想画出这个函数的曲线，其中f和n是固定的，p通过由np生成的向量。

bernstein3 = lambda x: bernstein(f, 3, x)
 bernstein3 = np.vectorize(bernstein3)
 y3 = bernstein3(x)
 plt.plot(x, y3, 'green', label='$B_3$')

这是可行的。但我想一定有一些更优雅的，或者可能是更Python的方式来做这件事。有什么建议吗？非常感谢

scipy

来源：https://stackoverflow.com/questions/60532983/how-do-i-vectorize-a-function-in-numpy-with-some-fixed-parameters

1条答案

按热度按时间

js81xvg61#

由于SciPy统计函数是矢量化的，因此可以直接修改bernstein函数，使其以矢量化的方式工作：

import numpy as np
import scipy.stats

def bernstein(f, n, p):
    # Vector of k values
    k = np.arange(n + 1)
    # Add a broadcasting dimension to p
    pd = np.expand_dims(p, -1)
    # Compute approximation
    return np.sum(f(k / n) * scipy.stats.binom.pmf(k, n, pd), -1)

它将被简单地用作：

import numpy as np
import matplotlib.pyplot as plt

def f(x):
    return np.abs(1 / 2 - x)

x = np.linspace(0, 1, 100)
y = f(x)
plt.plot(x, y, 'blue', label='f(x)')
y_approx = bernstein(f, 10, x)
plt.plot(x, y_approx, 'orange', label='f_approx(x)')
plt.show()

赞(0）回复(0）举报 2022-11-10

我来回答

scipy 如何在numpy中使用一些固定参数对函数进行矢量化？

1条答案

相关问题

热门标签

最新问答