python - 如何在时间上集成一个功能；即'y'是一个数组，时间（t）的值在1到3000之间变化

Question

我如何集成一个函数f(y)wrt time；ie'y'是一个包含 3000 个值的数组，其值time(t)从 1 到 3000 不等。因此，在积分后我需要 3000 个值f(y)。积分将是不确定的，积分值必须没有'x'和'C'(Constant)。这是我的代码的一部分：

k12 = np.array([random.random() for _ in range(3000)])
I1 = np.array([random.random() for _ in range(3000)])
m12 = np.array([random.random() for _ in range(3000)])
_k12 = [-x for x in k12]
_m12 = [-x for x in m12]

k21 = np.array([random.random() for _ in range(3000)])
I2 = np.array([random.random() for _ in range(3000)])
m21 = np.array([random.random() for _ in range(3000)])
_k21 = [-x for x in k21]
_m21 = [-x for x in m21]

k12_I1 = [i / j for i, j in zip(k12, I1)]
m12_I1 = [i / j for i, j in zip(m12, I1)]
_k12_I1 = [i / j for i, j in zip(_k12, I1)]
_m12_I1 = [i / j for i, j in zip(_m12, I1)]

k21_I2 = [i / j for i, j in zip(k21, I2)]
m21_I2 = [i / j for i, j in zip(m21, I2)]
_k21_I2 = [i / j for i, j in zip(_k21, I2)]
_m21_I2 = [i / j for i, j in zip(_m21, I2)]

X1_x = np.array(pd.read_csv(r"C:/Users/Lenovo/Desktop/Temp/X1_x.csv"))
X2 = np.array(pd.read_csv(r"C:/Users/Lenovo/Desktop/Temp/X2.csv"))
X2_diff = np.array(pd.read_csv(r"C:/Users/Lenovo/Desktop/Temp/X2_diff.csv"))

X3_ = ((k12*X1_x)-(I1*X2_diff)+(m12*X2))/k12

我需要 X3_ 但由于整数值的形式是常量 * x，所以它给出了一个错误：

'TypeError: can't multiply sequence by non-int of type 'float''

标签： pythonarrayspandasnumpyintegration

Answer 1

有完全适合您任务的符号库，例如SymPy - 非常先进的符号库。你可以使用它。

Numpy 库只做数值计算，没有符号，你必须在脑海中做所有的符号。

正如我在你最终的 X3 中所理解的那样，你有两个术语的总和，一个是一种，Val1 * x另一个是一种Val2，即X3 = Val1 * x + Val2。然后你可以把你X3分成两部分（这里 Val1 是 X3_x 而 Val2 是 X3_c）：

X3_x = k12*X1/k12
X3_c = (-(I1*X2_diff)+(m12*X2))/k12

x稍后为您在 Python中执行的某些给定固定值计算整个 X3 X3 = X3_x * x + X3_c。

此外，您必须以这样一种方式处理您的 CSV，使您的最终数组只包含浮点数，没有符号，*x在任何地方都被删除，即：

X1_rd = np.array([e.strip().replace('[', '').replace(']', '').replace('*x', '') for e in pd.read_csv(r"X1_x.csv")]).astype(np.float64)
X2_rd = np.array(pd.read_csv(r"X2.csv")).astype(np.float64)
X2_diff_rd = np.array(pd.read_csv(r"X2_diff.csv")).astype(np.float64)

完整的最终更正代码