Numpy ve Pyplot ile Koşullu Plotlama

Question

Koşullu olarak tanımlanan bir işlevi çizmeye çalışıyorum. Spesifik olarak: U (x) = (2 ** delta)/((Dd) ** delta) * (D/2 - (x-x0)) ** delta, abs için (x-x0) D'den daha az/Aksi halde 2 ve 0.

Ancak benim sorunum, x, x0 numpy dizileri olmasını istiyorum, çünkü bunları benim gerçek kodun geri kalanında kullanıyorum.

Ben-kurdunuz şu örneği: satır tempx<tempD bir listesinin bir Hakikat-değeri belirsiz olduğu hatayı yükseltir beri

import numpy as np 
import matplotlib.pyplot as plt 
AD = 0.2 
D = 0.4 
delta = 8 

def Parabolic(x, delta, D, AD): 
    x0 = np.round(x) 
    tempx = np.abs(x-x0) 
    tempD = D/2*np.ones(len(x)) 
    if tempx<tempD: 
     return ((2**delta)/(D-AD)**delta)*(D/2 - (x-x0))**delta 
    else: 
     return 0 

figure = plt.figure(figsize=(10,8), dpi=72) 
xmin = -1.0 
xmax = 1.0 
X = np.linspace(xmin,xmax,1000) 
plt.plot(X, Parabolic(X, delta=8, D=0.4, AD=0.2)) 

Açıkçası bu örnek, çalışmıyor.

Numune belgelerini araştırdım ve np.less (tempx, tempD) işlevini buldum. Ancak tempx < tempD'u np.less(tempx, tempD) ile değiştirirsem yine de bir kez daha tüm listenin gerçek değerini talep ediyorum. Sorunun uyuşma ile değil, fakat numpy'nin sağladığı mantıksal işlevlerin nasıl kullanılacağını anlayamamamla ilgili olduğunu anlıyorum.

Başka bir gönderide bu şekilde yanıt verdiysem özür dilerim, bu forumu aradım ancak curve() yönteminin dışında başka bir şey bulamadım. Ancak, numpy.array formatımı gerçek kodlarımda kullanmak için tutmak istiyorum. Bahse girerim cevabın çok basit olması gerektiğini düşünüyorum, sadece düşünemiyorum.

Answer 1

mantıksal diziler numpy kullandığı bu deneyin: kodunuzda piton testini koyamazsınız böylece

import numpy as np 
import matplotlib.pyplot as plt 
AD = 0.2 
D = 0.4 
delta = 8 

def Parabolic(x, delta, D, AD): 
    rtn_arr = np.zeros(len(x)) 
    x0 = np.round(x) 
    tempx = np.abs(x-x0) 
    tempD = D/2*np.ones(len(x)) 
    lgc_arr = tempx<tempD 
    x_cut = x[lgc_arr] 
    x0_cut = x0[lgc_arr] 
    rtn_arr[lgc_arr] = ((2**delta)/(D-AD)**delta)*(D/2 - (x_cut-x0_cut))**delta 
    return rtn_arr 

figure = plt.figure(figsize=(10,8), dpi=72) 
xmin = -1.0 
xmax = 1.0 
X = np.linspace(xmin,xmax,1000) 
plt.plot(X, Parabolic(X, delta=8, D=0.4, AD=0.2)) 

Answer 2

Parabolik bir ufunc olmalıdır.

basit bir geçici çözüm:

def Parabolic(x, delta, D, AD): 
    x0 = np.round(x) 
    tempx = np.abs(x-x0) 
    tempD = D/2*np.ones(len(x)) 
    u=(((2**delta)/(D-AD)**delta)*(D/2 - (x-x0))**delta) 
    u[tempx>=tempD]=0 
    return u 

veya gereksiz hesaplamaları önlemek için:

def Parabolic2(x, delta, D, AD): 
    x0 = np.round(x) 
    tempx = np.abs(x-x0) 
    tempD = D/2*np.ones(len(x)) 
    u= zeros_like(x) 
    valid=tempx<tempD 
    u[valid]=(((2**delta)/(D-AD)**delta)*(D/2 - (x-x0)[valid])**delta) 
    return u 

ikinci edilir slighty daha hızlı: Hatanızla Açık

In [141]: %timeit Parabolic(x,8,.4,.2) 
1000 loops, best of 3: 310 µs per loop 

In [142]: %timeit Parabolic2(x,8,.4,.2) 
1000 loops, best of 3: 218 µs per loop