我想绘制一个自定义函数，包括min 和max：
import numpy as np
import matplotlib.pyplot as plt
f = lambda x: max(0, x)
x = np.linspace(-10, 10)
y = f(x)
plt.plot(x, y)
plt.show()
结果：
ValueError：具有多个元素的数组的真值不明确。使用 a.any() 或 a.all()
欢迎大家帮忙
【问题讨论】：
标签： python numpy matplotlib
您可以只使用列表推导来为每个 x 值获取相应的 y 值。
import numpy as np
import matplotlib.pyplot as plt
f = lambda x: max(0, x)
x = np.linspace(-10, 10)
y = [f(i) for i in x]
plt.plot(x, y)
plt.show()
【讨论】：
使用矢量化 np.clip() 而不是 f - 这样您可以一步设置下限 (a_min) 和上限 (a_max) 边界：
y = np.clip(x, a_min=0, a_max=None)
或尝试矢量化您的标量函数：
In [146]: x = np.linspace(-1000, 1000, 10**6)
In [147]: x.shape
Out[147]: (1000000,)
In [148]: vf = np.vectorize(f)
In [149]: %timeit [f(i) for i in x]
1.46 s ± 5.42 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [150]: %timeit vf(x)
1.03 s ± 8.73 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
【讨论】：
lambda。
用np.maximum代替max：
from matplotlib import pyplot as plt
import numpy as np
f = lambda x: np.maximum(0, x)
x = np.linspace(-10,10)
y = f(x)
plt.plot(x,y)
plt.show()
编辑：
对于更复杂的函数，请注意您打算使用的函数的 numpy 等效项。大多数情况下，名称与math 模块中的名称相同，例如math.sin 将变为 np.sin 等。但是，如示例中所示，max 应替换为 np.maximum 而不是 np.max，后者返回 np.ndarray 的最大值。
【讨论】：
numpy 提供了许多数学函数的矢量化版本。至少math中的所有函数也都定义在numpy中，所以这个例子很容易扩展。
np.maximum替换函数中的所有max。有趣的是np.clip 似乎比np.maximum 快一点。在初始函数上使用 np.vectorize 比任何 numpy 函数慢 100 倍。
np.maximum 和np.minimum 是使用np.clip 实现的吗？这可以解释更好的性能。
def f(x): x[x<=0] = 0; return x
我发现定义一个可以使用一行代码调用的函数很有用，所以现在我可以绘制任何函数（假设调用的组件是有效的，例如日志加载为“来自数学导入日志”，或者是表示为“math.log”，并且该函数可以在指定范围内进行评估）：
import matplotlib.pyplot as plt #; plt.rcdefaults()
import numpy as np
from math import log
def plot_func(x,f):
# x = tuple defining range of x
# f = string defining function to plot, in terms of x
x = np.linspace(x[0],x[1],201)
y = list(map(lambda x: eval(f), x))
plt.close()
plt.title('f(x) = ' + f)
plt.plot(x,y, 'b')
plot_func(x=(0, 1), f = '60 * (x**3) * (1-x)**2')
生成：
避免对要绘制的函数进行正式定义，并且能够重用它来绘制任何东西，只需一条简单的线进行调整。
【讨论】：