Python:在 scipy.optimize.newton 中将列表作为参数传递

Question

我想将列表作为参数传递给 optimize.newton .
我已经导入了一个 csv 并将每一行存储在一个数组中。代码如下:

with open('rand1.csv','rb') as f:
    array=[]
    for line in f:
        array.append(line)

现在，如果我查看 array[1] ，看起来像:'2,6,76,45,78,1\r\n'
我将一个函数定义为:

def func(a,b,c,d,e,f):
    return a*b*c-d*e-f

我正在运行牛顿方法:

res=[optimize.newton(func,5102,args=(x)) for x in array[0]]

但它给了我一个 TypeError说": can only concatenate tuple (not "str") to tuple"
有人可以在这里帮助我吗？我知道元组元素必须用逗号分隔，我试过写 args=(x,)也是，但它没有工作。

Answer 1

首先，请记住，在您的代码中，array实际上不是一个 numpy 数组 - 它是一个普通的 Python list的字符串。可以通过拆分字符串并将元素转换为整数来使用此列表，如 Anmol_uppal 的回答，但将 csv 文件的内容直接转换为 nrows x 6 numpy 数组要简单得多，例如使用 np.loadtxt :

import numpy as np

data = np.loadtxt('rand1.csv', delimiter=',', dtype=np.int)
print(repr(data[0]))
# array([ 2,  6, 76, 45, 78,  1])

现在当您调用 optimize.newton , args=参数应该得到 6 个参数值的序列。您的原始代码不起作用，因为 array 中的每一行包含一个字符串，而不是 6 个数值。现在 data * 是一个 nrows x 6 数组，每行将包含 6 个数值，所以你现在可以这样做:

res = [optimize.newton(func, 5102, args=row) for row in data]

*请注意，我已将您的变量重命名为 array至data避免与 np.array 混淆类(class)

更新
您的原始代码中还有另一个我最初没有发现的错误。查看 scipy.optimize.newton 的文档:

func : function

The function whose zero is wanted. It must be a function of a single variable of the form f(x,a,b,c...), where a,b,c... are extra arguments that can be passed in the args parameter.

x0: float

An initial estimate of the zero that should be somewhere near the actual zero.

现在看看你的函数定义:

def func(a,b,c,d,e,f):
    return a*b*c-d*e-f

func() 的第一个参数(你称之为 a )应该对应于 x 参数，那么只有 5 个额外的参数(根据你的定义是 b ... f )需要使用 args= 传递.当你尝试打电话时

optimize.newton(func, 5102, args=(422, 858, 129, 312, 79, 371))

发生的事情是 5102 被解释为 x0参数，并作为第一个参数传递给 func() . args= 中的 6 个值tuple 被视为额外参数，因此您的函数实际上总共有 7 个参数:

func(5102, 422, 858, 129, 312, 79, 371)

显然，func()被定义为接受 6 个参数，所以你会得到一个错误。解决此问题的正确方法取决于您如何解释函数的参数。 newton的目标是找到一个 x 的值，使得 f(x, a, b, c, ...) = 0。
您希望最小化 6 个参数中的哪一个 func()超过？

完整解释
一个稍微有趣的问题是，为什么当您将额外的参数作为数组(例如 args=data[0] )而不是元组传递时，您不会收到错误消息。答案有点复杂，但如果您有兴趣，请继续阅读。
如果你看看the source code for scipy.optimize.newton 您可以找到第一次调用您的函数的行:

q0 = func(*((p0,) + args))

在这种情况下 p0和 p1将是 x0 newton() 的参数, 和 args是一组额外的参数:

q0 = func(*((5102,) + (422, 858, 129, 312, 79, 371)))

(p0,)是一个元组，如果 args也是一个元组，然后 +运算符只需将这两个元组连接在一起:

q0 = func(*(5102, 422, 858, 129, 312, 79, 371))

最后，*解包元组以将参数传递给 func .最终调用如下所示:

q0 = func(5102, 422, 858, 129, 312, 79, 371)

这将引发错误，因为 6 参数函数有 7 个参数。然而，当 args是 np.array :

q0 = func(*(5102,) +  array([422, 858, 129, 312, 79, 371]))

+将增加值(value)p0到 args 中的每个元素:

q0 = func(*(5524, 5960, 5231, 5414, 5181, 5473))

因为现在只有 6 个参数转到 func()调用会成功，但是 newton会收敛到错误的答案!
我认为这在 scipy 中不是特别好的设计 - 它让我感到震惊，因为在大多数其他情况下，任何类似数组的输入都可以，包括列表、元组、数组等。公平地说，它确实在 newton 的文档中说那args=应该是一个元组，但为了安全起见，我仍然会进行类型检查或将其显式转换为元组。我可以尝试在 scipy 中解决这个问题。