形状为 (n,) 的 Sympy lambdify 数组

Question

我目前对 sympy 有以下“问题”：

我有一个像M = matrix([pi*a, sin(1)*b]) 这样的符号表达式，我想将它传递给lambdify 并传递给数值优化器。问题是优化器需要函数来输入/输出形状为(n,) 的numpy 数组，特别是不是(n,1)。

现在我已经能够使用以下代码 (MWE) 实现这一点：

import numpy as np
import sympy as sp
a, b = sp.symbols('a, b')
M = sp.Matrix([2*a, b])
f_tmp = sp.lambdify([[a,b]], M, 'numpy')
fun   = lambda x: np.reshape( f_tmp(x), (2,))

现在，这当然非常难看，因为每次评估 fun 时都需要应用重塑（可能很多次）。有没有办法避免这个问题？ Matrix 类根据定义始终是二维的。我尝试使用sympy 的MutableDenseNDimArray-class，但它们不能与lambdify 一起使用。 （符号变量无法识别）

Answer 1

一种方法是将矩阵转换为嵌套列表并取第一行：

fun = sp.lambdify([[a, b]], M.T.tolist()[0], 'numpy')

现在fun([2, 3]) 是[4, 3]。这是一个 Python 列表，而不是 NumPy 数组，但优化器（至少是 SciPy 中的那些）应该可以接受。

一个也可以

fun = sp.lambdify([[a, b]], np.squeeze(M), 'numpy')

它还返回一个列表。

在我的测试中，上面的速度同样快，而且比带有包装功能的版本（np.squeeze 或 np.reshape）快：大约 6 µs 对 9 µs。似乎好处在于消除了一个函数调用。