在python数据处理过程中，我们经常会遇见这样一种情况。需要对一个函数表达式求偏导，并将具体数值代入导数式。

而python中通常可用于函数求导的函数是sympy库中的diff()函数。
但他通常所求得的导数只是一个符号表达式。不能直接带入数据使用。

import sympy as sp
import numpy as np
x,y = sp.symbols('x y')
z = sp.sin(2*sp.pi*x+2*y/5)
zx = sp.diff(z,x)
zy = sp.diff(z,y)
print(zx)
print(zy)
其输出为：
 
2*pi*cos(2*pi*x + 2*y/5)
2*cos(2*pi*x + 2*y/5)/5
那么该如何解决这个问题呢？
 
对x,y使用evalf()函数分别赋值后，用float进行类型转换后，才能利用numpy进行数值计算。
 
import sympy as sp
import numpy as np
x,y = sp.symbols('x y')
z = sp.sin(2*sp.pi*x+2*y/5)
zx = sp.diff(z,x)
zy = sp.diff(z,y)
x1 = 10
y1 = 5
z_x1 = float(zx.evalf(subs={x:x1,y:y1}))
z_y1 = float(zy.evalf(subs={x:x1,y:y1}))
print(z_x1)
print(z_y1)
其输出结果：
 
-2.61472768902227
-0.16645873461885696
那如果我的x或y不是单一的值呢？而是一个数组。
 
我们可以利用一个循环来完成。
 
import sympy as sp
import numpy as np
x,y = sp.symbols('x y')
z = sp.sin(2*sp.pi*x+2*y/5)
zx = sp.diff(z,x)
zy = sp.diff(z,y)
x_array = np.linspace(-5, 5, 10)
y_array = np.linspace(-5, 5, 10)
temp_x = []#先定义一个用于存储x偏导的空列表
temp_y = []#先定义一个用于存储y偏导的空列表
for i in range(10):
    z_x = float(zx.evalf(subs={x:x_array[i],y:y_array[i]}))
    temp_x.append(z_x)#将计算得到的偏导值一一添加到列表中
    z_y = float(zy.evalf(subs={x:x_array[i],y:y_array[i]}))
    temp_y.append(z_y)
zx_array = np.array(temp_x)#将列表转换为数组
zy_array = np.array(temp_y)
print(zx_array)
print(zy_array)
输出结果为：
 
[-2.61472769  4.11163864  6.02946289  0.89585862 -5.2854481  -5.2854481
  0.89585862  6.02946289  4.11163864 -2.61472769]
[-0.16645873  0.26175505  0.38384753  0.05703213 -0.33648208 -0.33648208
  0.05703213  0.38384753  0.26175505 -0.16645873]
由此便实现了由sympy得到求导结果，到numpy库进行数值计算。
 
本人还是python初学者，有什么错误恳请各位大佬及时指正~
 学习路上共同进步~
将NumPy，SymPy，SciPy和Pandas之间的混合直接添加到一个值单声明可扩展框架中，以模拟执行符号和数字运算。
 您是否曾经想过要同时执行工程或优化推导的数字和符号数学？ 现在，您可以在自动执行单元管理的同时，直观地同时导出。
 将数学分析推导Python工具链集成到一个方便的工具链中，该工具链保留并扩展了每个组成包方法。 保持直观的兼容性。
 玩得开心！
有什么好处吗？
 我认为这是一种优雅的数学表示形式，可以将符号，数值和数据科学运算同时执行到单个系统中。
首先下载。
$ pip install numpsy
 最新版本的本地安装： 
$ git clone https://github.com/daquintero/numpsy.git
$ cd numpsy
$ python3 setup.py install
                                    写在前面：符号计算与矩阵运算结合是十分常见的！这就需要sympy与numpy混合使用！此时存在一个问题：sympy有自己“独有的”的数据类型，在混合使用时需要把sympy数据类型统一成numpy和python中的普通数值！
说明：numpy数组/矩阵中是可以有sympy的“符号元素”的！这点已亲测！
（1）在numpy中进行符号赋值：
需要用float和int等进行类型转换：float...
                                    python -m pip install --user numpy scipy matplotlib ipython jupyter pandas sympy nose安装完成后，通过使用pip list可以查看是否已经安装成功了。2、小试牛刀：import numpy asnpn= np.arange(9).reshape(3,3)print(n)#执行上述代码，输入结果为：输出结果为：以下对...
python之Numpy 输入与输出设置
numpy.set_printoptions(precision=None,threshold=None, edgeitems=None,linewidth=None, suppress=None, nanstr=None, infstr=None,formatter=None, sign=None, floatmode=None, **kwarg)
precision：
                                    写在前面：符号计算与矩阵运算结合是十分常见的！这就需要sympy与numpy混合使用！此时存在一个问题：sympy有自己“独有的”的数据类型，在混合使用时需要把sympy数据类型统一成numpy和python中的普通数值！说明：numpy数组/矩阵中是可以有sympy的“符号元素”的！这点已亲测！(1)在numpy中进行符号赋值：需要用float和int等进行类型转换：float(f.eval()...
                                    python sympy中使用numpy高效计算问题所在解决办法
当使用sympy时，如果将一个符号使用.subs方法替换为类型为np.array的变量时，将无法计算出数值结果。如下：
# An highlighted block
import sympy as sym
import numpy as np
x = sym.Symbol('x1')
y = sym.Symbol('y1'...
                                    I have a rather large symbolic function that is evaluated for different values of a parameter in a loop. In each iteration, after finding the expression of the function, partial derivatives are derive...
                                    一、通用函数运算(一)，数组的运算对于一个数组，可以直接用加+，减-，乘*，除/，逻辑非，指数运算符 **，其结果就是数组里面每一个元素运算的结果。(二)，NumPy实现的算术运算符1、加法运算：np.add()>>> x1 = np.arange(9.0).reshape((3, 3))[[0. 1. 2.][3. 4. 5.][6. 7. 8.]]>>> x...
x, y, z = sp.symbols('x y z')
fuc = z * sp.sin(2 * sp.pi * x + x * y / 5) # 原函数
fuc_x = sp.diff(fuc, x)
fuc_y = sp.diff(fuc, y)
fuc_z = sp.diff(fuc, 
求解非线性方程的方法，属于迭代法的一种，原理的话：
x*是这个方程的根，我们在旁边找一个点xk，根据这个点的函数值和导数值，我们可以计算出这条直线和x轴的交点xk+1，然后将xk+1作为下一个xk迭代计算，就能得到答案。
我们将方程整理一下，有：
实际上实现还是很简单的，唯一的难点就是怎么计算函数值和导数值。
计算函数值和导数值
如果是函数值的话，math包中有cos、sin和exp能解决问题，但是还是解决不了求导过程，这时我们就需要使用强大的sympy了。
计算函数值
import sym
                                    python实现函数求导的方法是：1、利用sympy库中的symbols方法传入x和y变量；2、利用sympy库中的diff函数传入需要求导的函数即可返回求导之后的结果。python利用sympy库对某个函数求导，numpy库使用该求导结果计算的程序在python数据处理过程中，我们经常会遇见这样一种情况。需要对一个函数表达式求偏导，并将具体数值代入导数式。而python中通常可用于函数求导的函数...