Python+SymPy實現(xiàn)秒解微積分詳解
之前我們分享過很多有用有趣的Python庫，今天繼續(xù)介紹一個：
SymPy 是一個Python庫，專注于符號數學，它的目標是成為一個全功能的計算機代數系統(tǒng)，同時保持代碼簡潔、易于理解和擴展。
舉一個簡單的例子，比如說展開二次方程：
from?sympy?import?*
x = Symbol('x')
y = Symbol('y')
d = ((x+y)**2).expand()
print(d)
# 結果：x**2 + 2*x*y + y**2你可以隨便輸入表達式，即便是十次方，它都能輕易的展開，非常方便：
from?sympy?import?*
x = Symbol('x')
y = Symbol('y')
d = ((x+y)**10).expand()
print(d)
# 結果：x**10 + 10*x**9*y + 45*x**8*y**2 + 120*x**7*y**3 + 210*x**6*y**4 + 252*x**5*y**5 + 210*x**4*y**6 + 120*x**3*y**7 + 45*x**2*y**8 + 10*x*y**9 + y**10下面就來講講這個模塊的具體使用方法和例子。
1.準備
請選擇以下任一種方式輸入命令安裝依賴：
1. Windows 環(huán)境 打開 Cmd (開始-運行-CMD)。
2. MacOS 環(huán)境 打開 Terminal (command+空格輸入Terminal)。
3. 如果你用的是 VSCode編輯器 或 Pycharm，可以直接使用界面下方的Terminal.
pip?install?Sympy
2.基本使用
簡化表達式(化簡)
sympy支持三種化簡方式，分別是普通化簡、三角化簡、指數化簡。
普通化簡 simplify( )：
from?sympy?import?*
x = Symbol('x')
d = simplify((x**3?+ x**2?- x -?1)/(x**2?+?2*x +?1))
print(d)
# 結果：x - 1三角化簡 trigsimp( )：
from?sympy?import?*
x = Symbol('x')
d = trigsimp(sin(x)/cos(x))
print(d)
# 結果：tan(x)指數化簡 powsimp( )：
from?sympy?import?*
x = Symbol('x')
a = Symbol('a')
b = Symbol('b')
d = powsimp(x**a*x**b)
print(d)
# 結果：x**(a + b)解方程 solve()
第一個參數為要解的方程，要求右端等于0，第二個參數為要解的未知數。
如一元一次方程：
from?sympy?import?*
x = Symbol('x')
d = solve(x *?3?-?6, x)
print(d)
# 結果：[2]二元一次方程：
from?sympy?import?*
x = Symbol('x')
y = Symbol('y')
d = solve([2?* x - y -?3,?3?* x + y -?7],[x, y])
print(d)
# 結果：{x: 2, y: 1}求極限 limit()
dir=’+’表示求解右極限，dir=’-‘表示求解左極限：
from?sympy?import?*
x = Symbol('x')
d = limit(1/x,x,oo,dir='+')
print(d)
# 結果：0
d = limit(1/x,x,oo,dir='-')
print(d)
# 結果：0求積分 integrate( )
先試試求解不定積分：
from?sympy?import?*
x = Symbol('x')
d = integrate(sin(x),x)
print(d)
# 結果：-cos(x)再試試定積分：
from?sympy?import?*
x = Symbol('x')
d = integrate(sin(x),(x,0,pi/2))
print(d)
# 結果：1求導 diff()
使用 diff 函數可以對方程進行求導：
from?sympy?import?*
x = Symbol('x')
d = diff(x**3,x)
print(d)
# 結果：3*x**2
d = diff(x**3,x,2)
print(d)
# 結果：6*x解微分方程 dsolve( )
以 y′=2xy 為例:
from?sympy?import?*
x = Symbol('x')
f = Function('f')
d = dsolve(diff(f(x),x) -?2*f(x)*x,f(x))
print(d)
# 結果：Eq(f(x), C1*exp(x**2))3.實戰(zhàn)一下
今天群里有同學問了這個問題，“大佬們，我想問問，如果這個積分用Python應該怎么寫呢，謝謝大家”：
# Python 實用寶典
from?sympy?import?*
x = Symbol('x')
y = Symbol('y')
d = integrate(x-y, (y,?0,?1))
print(d)
# 結果：x - 1/2為了計算這個結果，integrate的第一個參數是公式，第二個參數是積分變量及積分范圍下標和上標。
運行后得到的結果便是 x - 1/2 與預期一致。
如果大家也有求解微積分、復雜方程的需要，可以試試sympy，它幾乎是完美的存在。
到此這篇關于Python+SymPy實現(xiàn)秒解微積分詳解的文章就介紹到這了,更多相關Python SymPy微積分內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要為大家詳細介紹了一個Python最簡單的接口自動化框架，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-01-01
這篇文章主要介紹了Python 實現(xiàn)敏感目錄掃描的示例代碼,本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-05-05
柯里化（Currying）是函數式編程中的一個重要概念,它可以將一個多參數函數轉化為一系列單參數函數的組合,本文將詳細解釋什么是柯里化,如何在Python中實現(xiàn)柯里化,感興趣的可以了解下2024-01-01
這篇文章主要介紹了模型訓練時GPU利用率太低的原因及解決方案，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-02-02
在python數據分析中，可以使用shift()方法對DataFrame對象的數據進行位置的前滯、后滯移動，本文主要介紹了python?DataFrame的shift()方法的使用，感興趣的可以了解一下2022-03-03
這篇文章主要介紹了Python實現(xiàn)PS濾鏡中馬賽克效果,涉及Python基于skimage庫的圖形馬賽克效果相關實現(xiàn)技巧,需要的朋友可以參考下2018-01-01
python Django框架實現(xiàn)web端分頁呈現(xiàn)數據
這篇文章主要介紹了python Django框架實現(xiàn)web端分頁呈現(xiàn)數據，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-10-10
這篇文章主要介紹了詳解用Python調用百度地圖正/逆地理編碼API，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-07-07
Python Opencv使用ann神經網絡識別手寫數字功能
這篇文章主要介紹了opencv(python)使用ann神經網絡識別手寫數字,由于這里主要研究knn算法，為了圖簡單，直接使用Keras的mnist手寫數字解析模塊，本文通過實例代碼給大家介紹的非常詳細，需要的朋友可以參考下2022-07-07
今天小編就為大家分享一篇用python編寫第一個IDA插件的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05