建站
咨詢
售后
建站咨詢
新聞中心
在Python中如何用Numpy求函數(shù)的導(dǎo)數(shù)呢？今天小編就來帶大家一起學(xué)習(xí)。
創(chuàng)新互聯(lián)公司服務(wù)項(xiàng)目包括永州網(wǎng)站建設(shè)、永州網(wǎng)站制作、永州網(wǎng)頁制作以及永州網(wǎng)絡(luò)營銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢(shì)、行業(yè)經(jīng)驗(yàn)、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機(jī)構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，永州網(wǎng)站推廣取得了明顯的社會(huì)效益與經(jīng)濟(jì)效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到永州省份的部分城市，未來相信會(huì)繼續(xù)擴(kuò)大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！
例如Numpy計(jì)算函數(shù)y=x^2+1
讓我們說，我想要導(dǎo)數(shù)的值在x = 5 …
您有四個(gè)選項(xiàng)
-
可以使用Finite Differences
-
可以使用Automatic Derivatives
-
可以使用Symbolic Differentiation
-
可以手動(dòng)計(jì)算導(dǎo)數(shù)。
有限差異不需要外部工具，但容易出現(xiàn)數(shù)字錯(cuò)誤，如果您處于多變量情況，可能需要一段時(shí)間。
如果你的問題很簡單，符號(hào)分化是理想的。符號(hào)方法現(xiàn)在變得相當(dāng)健壯。SymPy是一個(gè)優(yōu)秀的項(xiàng)目，它與NumPy很好地集成?？纯碼utowrap或lambdify函數(shù)。
自動(dòng)衍生品非?？?，不容易出現(xiàn)數(shù)字錯(cuò)誤，但需要一些額外的庫(google為這個(gè)，有幾個(gè)好的選擇)。這是最強(qiáng)大的，但也是最復(fù)雜/難以設(shè)置的選擇。如果你很好地限制自己numpy語法，那么Theano可能是一個(gè)不錯(cuò)的選擇。
這里是一個(gè)使用SymPy的例子。
In [1]: from sympy import * In [2]: import numpy as np In [3]: x = Symbol('x') In [4]: y = x**2 + 1 In [5]: yprime = y.diff(x) In [6]: yprime Out[6]: 2?x In [7]: f = lambdify(x, yprime, 'numpy') In [8]: f(np.ones(5)) Out[8]: [ 2. 2. 2. 2. 2.]
以上就是Python中用numpy求導(dǎo)的方法。更多Python學(xué)習(xí)推薦:PyThon學(xué)習(xí)網(wǎng)教學(xué)中心。
（推薦操作系統(tǒng)：windows7系統(tǒng)、Python 3.9.1，DELL G3電腦。）
新聞標(biāo)題：創(chuàng)新互聯(lián)Python教程：Python中numpy求函數(shù)的導(dǎo)數(shù)實(shí)現(xiàn)方法
網(wǎng)頁路徑：http://m.5511xx.com/article/dpgedsp.html
