SymPy库经常使用函数
简介
SymPy是一个符号计算的Python库。它的目标是成为一个全功能的计算机代数系统，同时保持代码简 洁、易于理解和扩展。它彻底由Python写成，不依赖于外部库。SymPy支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散 数学、几何学、几率与统计、物理学等方面的功能。(来自维基百科的描述)html
更多内容请查看本人我的博客：https://huiyang865.github.io/2016/08/27/sympy/python
Sympy安装方法
安装命令：pip install sympylinux
基本数值类型
实数，有理数和整数
SymPy有三个内建的数值类型：实数，有理数和整数。有理数类用两个整数来表示一个有理数。分子与分母，因此Rational(1,2)表明1/2，Rational(5,2)表明5/2，等等。git
>>>from sympy import * >>>a = Rational(1,2) >>>a 1/2 >>>a*2 1 >>>Rational(2)**50/Rational(10)**50 1/88817841970012523233890533447265625
当利用Python的整数计算时要注意一下，Python只会截取除法的整数部分：github
>>>1/2 0 >>>1.0/2 0.5
然而你能够：算法
>>>from __future__ import division >>>1/2 #doctest: +SKIP 0.5
正确的除法在python3k和isympy中这样作，是标准的。express
特殊的常数
咱们也能够有一些特殊的常数，像e和pi，它们会被看成符号去对待。（1+pi不会求得值，反而它会保持为1+pi），例如：app
>>>pi**2 pi**2 >>>pi.evalf() 3.14159265358979 >>>(pi+exp(1)).evalf() 5.85987448204884
求表达式的浮点数-evalf()函数
正如你看到的，evalf()函数能够用求出表达式的浮点数。
有一个无穷大的类型，被成为oo：函数
>>>oo > 99999
True
>>>oo + 1
oo
If the substitution will be followed by numerical evaluation, it is better to pass the substitution to evalf as
>>> (1/x).evalf(subs={x: 3.0}, n=21)
0.333333333333333333333
rather than
>>> (1/x).subs({x: 3.0}).evalf(21)
0.333333333333333314830
Sympy基本使用
定义变量-Symbols函数
对比与其余的计算机代数系统，在SymPy中要明确声明符号变量：ui
>>> x = symbols('x')
>>> x + 1
x + 1
>>>x,y,z=symbols('x y z')
>>> crazy = symbols('unrelated')
>>> crazy + 1
unrelated + 1
>>> x = symbols('x')
>>> expr = x + 1
>>> x = 2
>>> print(expr)
x + 1
Changing x to 2 had no effect on expr. This is because x = 2 changes the Python variable x to 2, but has no effect on the SymPy Symbol x, which was what we used in creating expr.
变量替换subs函数
>>> x = symbols('x')
>>> expr = x + 1
>>> expr.subs(x, 2)
3
>>> from sympy import pi, exp, limit, oo
>>> from sympy.abc import x, y
>>> (1 + x*y).subs(x, pi)
pi*y + 1
>>> (1 + x*y).subs({x:pi, y:2})
1 + 2*pi
>>> (1 + x*y).subs([(x, pi), (y, 2)])
1 + 2*pi
>>> reps = [(y, x**2), (x, 2)]
>>> (x + y).subs(reps)
6
>>> (x + y).subs(reversed(reps))
x**2 + 2
>>> (x**2 + x**4).subs(x**2, y)
y**2 + y
>>> (x**2 + x**4).xreplace({x**2: y})
x**4 + y
>>> (x/y).subs([(x, 0), (y, 0)])
0
>>> (x/y).subs([(x, 0), (y, 0)], simultaneous=True)
nan
>>> ((x + y)/y).subs({x + y: y, y: x + y})
1
>>> ((x + y)/y).subs({x + y: y, y: x + y}, simultaneous=True)
y/(x + y)
>>> limit(x**3 - 3*x, x, oo)
oo
调用方式：[subs(*args, **kwargs)]
代数
局部的代数式展开，使用apart(expr, x):
In [1]: 1/( (x+2)*(x+1) )
Out[1]:
1
───────────────
(2 + x)*(1 + x)
In [2]: apart(1/( (x+2)*(x+1) ), x)
Out[2]:
1 1
───── - ─────
1 + x 2 + x
In [3]: (x+1)/(x-1)
Out[3]:
-(1 + x)
────────
1 - x
In [4]: apart((x+1)/(x-1), x)
Out[4]:
2
1 - ─────
1 - x
代数式的合并
(至关于展开的逆运算)，使用together(expr, x)：
In [7]: together(1/x + 1/y + 1/z)
Out[7]:
x*y + x*z + y*z
───────────────
x*y*z
In [8]: together(apart((x+1)/(x-1), x), x)
Out[8]:
-1 - x
──────
1 - x
In [9]: together(apart(1/( (x+2)*(x+1) ), x), x)
Out[9]:
1
───────────────
(2 + x)*(1 + x)
微积分
极限
在sympy中极限容易求出，它们遵循极限语法 limit(function, variable, point) ，因此计算x->0时f(x)的极限，即limit(f, x, 0)：
>>>from sympy import *
>>>x=Symbol("x")
>>>limit(sin(x)/x, x, 0)
1
>>>limit(x, x, oo)
oo
>>>limit(1/x, x, oo)
0
>>>limit(x**x, x, 0)
1
有一些特殊的极限的例子，能够阅读文件test_demidovich.py
微分
能够对任意SymPy表达式微分。diff(func, var)。例如：
>>>from sympy import *
>>>x = Symbol('x')
>>>diff(sin(x), x)
cos(x)
>>>diff(sin(2*x), x)
2*cos(2*x)
>>>diff(tan(x), x)
1 + tan(x)**2
能够经过如下验证:
>>>limit((tan(x+y)-tan(x))/y, y, 0) 1 + tan(x)**2
计算高阶微分 diff(func, var, n) :
>>>diff(sin(2*x), x, 1) 2*cos(2*x) >>>diff(sin(2*x), x, 2) -4*sin(2*x) >>>diff(sin(2*x), x, 3) -8*cos(2*x)
级数展开
函数 series(var, point, order)：
>>>from sympy import *
>>>x = Symbol('x')
>>>cos(x).series(x, 0, 10)
1 - x**2/2 + x**4/24 - x**6/720 + x**8/40320 + O(x**10)
>>>(1/cos(x)).series(x, 0, 10)
1 + x**2/2 + 5*x**4/24 + 61*x**6/720 + 277*x**8/8064 + O(x**10)
积分
SymPy支持不定积分，超越函数与特殊函数的定积分。SymPy有力的扩展Risch-Norman 算法和模型匹配算法。
>>>from sympy import *
>>>x, y = symbols('xy')
初等函数：
>>>integrate(6*x**5, x) x**6 >>>integrate(sin(x), x) -cos(x) >>>integrate(log(x), x) -x + x*log(x) >>>integrate(2*x + sinh(x), x) cosh(x) + x**2
特殊函数：
>>>integrate(exp(-x**2)*erf(x), x) pi**(1/2)*erf(x)**2/4
定积分：
>>>integrate(x**3, (x, -1, 1)) 0 >>integrate(sin(x), (x, 0, pi/2)) 1 >>>integrate(cos(x), (x, -pi/2, pi/2)) 2
一些广义积分也能够被支持：
>>>integrate(exp(-x), (x, 0, oo)) 1 >>>integrate(log(x), (x, 0, 1)) -1
复数
>>>from sympy import Symbol, exp, I
>>>x = Symbol("x")
>>>exp(I*x).expand()
exp(I*x)
>>>exp(I*x).expand(complex=True)
I*exp(-im(x))*sin(re(x)) + cos(re(x))*exp(-im(x))
>>>x = Symbol("x", real=True)
>>>exp(I*x).expand(complex=True)
I*sin(x) + cos(x)
函数
三角函数：:
In [1]: sin(x+y).expand(trig=True)
Out[1]: cos(x)*sin(y) + cos(y)*sin(x)
In [2]: cos(x+y).expand(trig=True)
Out[2]: cos(x)*cos(y) - sin(x)*sin(y)
In [3]: sin(I*x)
Out[3]: I*sinh(x)
In [4]: sinh(I*x)
Out[4]: I*sin(x)
In [5]: asinh(I)
Out[5]:
π*I
───
2
In [6]: asinh(I*x)
Out[6]: I*asin(x)
In [15]: sin(x).series(x, 0, 10)
Out[15]:
3 5 7 9
x x x x
x - ── + ─── - ──── + ────── + O(x**10)
6 120 5040 362880
In [16]: sinh(x).series(x, 0, 10)
Out[16]:
3 5 7 9
x x x x
x + ── + ─── + ──── + ────── + O(x**10)
6 120 5040 362880
In [17]: asin(x).series(x, 0, 10)
Out[17]:
3 5 7 9
x 3*x 5*x 35*x
x + ── + ──── + ──── + ───── + O(x**10)
6 40 112 1152
In [18]: asinh(x).series(x, 0, 10)
Out[18]:
3 5 7 9
x 3*x 5*x 35*x
x - ── + ──── - ──── + ───── + O(x**10)
6 40 112 1152
球谐函数：
In [1]: from sympy.abc import theta, phi
In [2]: Ylm(1, 0, theta, phi)
Out[2]:
————
╲╱ 3 *cos(θ)
────────────
——
2*╲╱ π
In [3]: Ylm(1, 1, theta, phi)
Out[3]:
—— I*φ
-╲╱ 6 *│sin(θ)│*ℯ
────────────────────
——
4*╲╱ π
In [4]: Ylm(2, 1, theta, phi)
Out[4]:
——— I*φ
-╲╱ 30 *│sin(θ)│*cos(θ)*ℯ
────────────────────────────
——
4*╲╱ π
阶乘和伽玛函数：
In [1]: x = Symbol("x")
In [2]: y = Symbol("y", integer=True)
In [3]: factorial(x)
Out[3]: Γ(1 + x)
In [4]: factorial(y)
Out[4]: y!
In [5]: factorial(x).series(x, 0, 3)
Out[5]:
2 2 2 2
x *EulerGamma π *x
1 - x*EulerGamma + ────────────── + ───── + O(x**3)
2 12
Zeta函数:
In [18]: zeta(4, x)
Out[18]: ζ(4, x)
In [19]: zeta(4, 1)
Out[19]:
4
π
──
90
In [20]: zeta(4, 2)
Out[20]:
4
π
-1 + ──
90
In [21]: zeta(4, 3)
Out[21]:
4
17 π
- ── + ──
16 90
多项式
In [1]: chebyshevt(2, x)
Out[1]:
2
-1 + 2*x
In [2]: chebyshevt(4, x)
Out[2]:
2 4
1 - 8*x + 8*x
In [3]: legendre(2, x)
Out[3]:
2
3*x
-1/2 + ────
2
In [4]: legendre(8, x)
Out[4]:
2 4 6 8
35 315*x 3465*x 3003*x 6435*x
─── - ────── + ─────── - ─────── + ───────
128 32 64 32 128
In [5]: assoc_legendre(2, 1, x)
Out[5]:
—————
╱ 2
-3*x*╲╱ 1 - x
In [6]: assoc_legendre(2, 2, x)
Out[6]:
2
3 - 3*x
In [7]: hermite(3, x)
Out[7]:
3
-12*x + 8*x
微分方程
在isympy中：
In [4]: f(x).diff(x, x) + f(x) #注意在使用输入该命令以前，必定要声明f=Function('f')
Out[4]:
2
d
─────(f(x)) + f(x)
dx dx
In [5]: dsolve(f(x).diff(x, x) + f(x), f(x))
Out[5]: C₁*sin(x) + C₂*cos(x)
代数方程
在isympy中：
In [7]: solve(x**4 - 1, x)
Out[7]: [i, 1, -1, -i]
In [8]: solve([x + 5*y - 2, -3*x + 6*y - 15], [x, y])
Out[8]: {y: 1, x: -3}
线性代数
矩阵
矩阵由矩阵类创立建:
>>>from sympy import Matrix >>>Matrix([[1,0], [0,1]]) [1, 0] [0, 1]
不仅是数值矩阵，亦可为代数矩阵，即矩阵中存在符号：
>>>x = Symbol('x')
>>>y = Symbol('y')
>>>A = Matrix([[1,x], [y,1]])
>>>A
[1, x]
[y, 1]
>>>A**2
[1 + x*y, 2*x]
[ 2*y, 1 + x*y]
关于矩阵更多的例子，请看线性代数教程。
系数匹配
使用 .match()方法，引用Wild类，来执行表达式的匹配。该方法会返回一个字典。
>>>from sympy import *
>>>x = Symbol('x')
>>>p = Wild('p')
>>>(5*x**2).match(p*x**2)
{p_: 5}
>>>q = Wild('q')
>>>(x**2).match(p*x**q)
{p_: 1, q_: 2}
若是匹配不成功，则返回None：
>>>print (x+1).match(p**x) None
可使用Wild类的‘exclude’参数（排除参数），排除不须要和无心义的匹配结果,来保证结论中的显示是惟一的：
>>>x = Symbol('x')
>>>p = Wild('p', exclude=[1,x])
>>>print (x+1).match(x+p) # 1 is excluded
None
>>>print (x+1).match(p+1) # x is excluded
None
>>>print (x+1).match(x+2+p) # -1 is not excluded
{p_: -1}
打印输出
标准
str(expression)返回以下：
>>>from sympy import Integral >>>from sympy.abc import x >>>print x**2 x**2 >>>print 1/x 1/x >>>print Integral(x**2, x) Integral(x**2, x)
Pretty Printing
用pprint函数能够输出不错的ascii艺术：
>>>from sympy import Integral, pprint >>>from sympy.abc import x >>>pprint(x**2) #doctest: +NORMALIZE_WHITESPACE 2 x >>>pprint(1/x) 1 - x >>>pprint(Integral(x**2, x)) / | | 2 | x dx | /
[Pretty PrintingWiki]
提示：在python解释器中，为使pretty printing为默认输出，使用：
$ python
Python 2.5.2 (r252:60911, Jun 25 2008, 17:58:32)
[GCC 4.3.1] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> from sympy import *
>>> import sys
>>> sys.displayhook = pprint
>>> var("x")
x
>>> x**3/3
3
x
--
3
>>> Integral(x**2, x) #doctest: +NORMALIZE_WHITESPACE
/
|
| 2
| x dx
|
/
Python printing
>>>from sympy.printing.python import python
>>>from sympy import Integral
>>>from sympy.abc import x
>>>print python(x**2)
x = Symbol('x')
e = x**2
>>>print python(1/x)
x = Symbol('x')
e = 1/x
>>>print python(Integral(x**2, x))
x = Symbol('x')
e = Integral(x**2, x)
LaTeX printing
>>>from sympy import Integral, latex
>>>from sympy.abc import x
>>>latex(x**2)
$x^{2}$
>>>latex(1/x)
$\frac{1}{x}$
>>>latex(Integral(x**2, x))
$\int x^{2}\,dx$
MathML
>>>from sympy.printing.mathml import mathml >>>from sympy import Integral, latex >>>from sympy.abc import x >>>print mathml(x**2) <apply><power/><ci>x</ci><cn>2</cn></apply> >>>print mathml(1/x) <apply><power/><ci>x</ci><cn>-1</cn></apply>
Pyglet
>>>from sympy import Integral, preview >>>from sympy.abc import x >>>preview(Integral(x**2, x)) #doctest:+SKIP
注解
Isympy默认调用pprint，因此这就是为何看到pretty printing为默认的。
有一个打印的有效模块，sympy.printing。用这个模块实现其余的打印：
- pretty(expr), pretty_print(expr), pprint(expr): 分别返回或者输出，，表达式的漂亮描述。这是相同
- latex(expr), print_latex(expr):分别返回或者输出，LaTex描写的表达式
- mathml(expr), print_mathml(expr):分别返回或者输出，MathML描写的表达式
- print_gtk(expr): 表达式打印到Gtkmathview , 这是一个GTK小配件显示MathML代码。Gtkmathview程序是必须的。
相关连接
- 本文转载自于：http://blog.csdn.net/pipisorry/article/details/39123247
- Sympy源码库：https://github.com/sympy/sympy
- SymPy’s documentation：http://docs.sympy.org/latest/index.html
- SymPy-符号运算好帮手：http://hyry.dip.jp/tech/book/page/scipy/sympy.html
- SymPy Tutorial(译)：http://reverland.org/python/2012/08/30/sympy-tutorial/
相关文章
- 1. sympy科学计算器 SymPy库经常使用函数
- 2. Oracle数据库经常使用函数
- 3. MySQL数据库经常使用函数
- 4. 数据库经常使用的函数
- 5. SQL数据库经常使用函数
- 6. 数据库经常使用函数
- 7. python经常使用函数 库 转
- 8. Numpy 库经常使用函数大全
- 9. （Hal库）经常使用串口函数
- 10. C语言经常使用库函数
- 更多相关文章...
- • SQLite 常用函数 - SQLite教程
- • TortoiseSVN 使用教程 - SVN 教程
- • Composer 安装与使用
- • 常用的分布式事务解决方案
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. sympy科学计算器 SymPy库经常使用函数
- 2. Oracle数据库经常使用函数
- 3. MySQL数据库经常使用函数
- 4. 数据库经常使用的函数
- 5. SQL数据库经常使用函数
- 6. 数据库经常使用函数
- 7. python经常使用函数 库 转
- 8. Numpy 库经常使用函数大全
- 9. （Hal库）经常使用串口函数
- 10. C语言经常使用库函数