我想在MATLAB中用python what this guy did来做。
我已经安装了anaconda,所以我有numpy和sympy库。到目前为止,我已经尝试了numpy nsolve,但这不起作用。我应该说我是python的新手,而且我知道如何在MATLAB中实现它:P。
The equation:-2*log(( 2.51/(331428*sqrt(x)) ) + ( 0.0002 /(3.71*0.26)) ) = 1/sqrt(x)
通常情况下,我会迭代求解,简单地猜测左边的x,然后求解右边的x。把解放在左边,再解一次。重复,直到左x接近右。我有一个解决办法。
所以我可以这么做,但这不是很酷。我想用数字来表示。我的15€卡西欧计算器可以解决它,所以我认为它不应该是复杂的?
谢谢你的帮助
编辑:所以我尝试了以下方法:
from scipy.optimize import brentq
w=10;
d=0.22;
rho=1.18;
ni=18.2e-6;
Re=(w*d*rho)/ni
k=0.2e-3;
d=0.26;
def f(x,Re,k,d):
return (
-2*log((2.51/(Re*sqrt(x)))+(k/(3.71*d)),10)*sqrt(x)+1
);
print(
scipy.optimize.brentq
(
f,0.0,1.0,xtol=4.44e-12,maxiter=100,args=(),full_output=True,disp=True
)
);
我得到这个结果:
r = _zeros._brentq(f,a,b,xtol,maxiter,args,full_output,disp)
TypeError: f() takes exactly 4 arguments (1 given)
是不是因为我同时也在解常数?
edit2:所以我想我必须通过args=()关键字来分配常量,所以我改变了:
f,0.0,1.0,xtol=4.44e-12,maxiter=100,args=(Re,k,d),full_output=True,disp=True
但现在我得到了这个
-2*log((2.51/(Re*sqrt(x)))+(k/(3.71*d)),10)*sqrt(x)+1
TypeError: return arrays must be of ArrayType
不管怎样,当我代入一个不同的方程时,假设2*x*Re+(k*d)/(x+5)
成立,所以我想我必须转换方程。
所以它死在这里log(x,10)..
edit4:正确的语法是log10(x).现在它工作,但我得到零作为一个结果,
4条答案
按热度按时间ozxc1zmp1#
这个很好用。我在这里做了一些事情。首先,我使用了一个更简单的函数定义,它使用了您已经定义的全局变量。我发现这比把args=传递给解算器要好一点,如果你需要这样的东西,它也可以更容易地使用你自己的自定义解算器。我使用了通用的
root
函数作为入口点,而不是使用特定的算法-这很好,因为您可以稍后简单地传递不同的方法。我还修正了你的间距为PEP 8的建议,并修复了你对方程的错误重写。我发现简单地写LHS - RHS比像你那样操作更直观。另外,请注意,我已经将所有整数文字替换为1.0或其他值,以避免整数除法的问题。0.02被认为是摩擦系数的一个相当标准的起点。我还必须提到,不动点迭代实际上比牛顿法更快。您可以通过如下定义
f2
来使用内置的定点迭代例程:计时(从根开始,以显示收敛速度):
8gsdolmq2#
你的标签有点不对:你把它标记为
sympy
,这是一个用于符号计算的库,但是你想用数字来解决它。如果后者是你的实际意图,这里有相关的scipy文档:http://docs.scipy.org/doc/scipy/reference/tutorial/optimize.html#root-finding
ftf50wuq3#
Scipy与
fixed_point
是首选的,因为root
不会收敛于远处的猜测值,比如@chthonicdaemon %timeit示例中的0.2。nbysray54#
在上面的答案中,numpy的求解器解决方案对于这个问题来说相当慢。在这里,一个普通的减半方法将比root和fixed_point方法快大约5倍,并且与root和fixed_point方法一样精确。下面的代码在factor()函数中有简单的减半方法。factor()函数和fixed_point方法都是定时的。