scipy.misc.Ableitung für mehrere argument-Funktion

Es ist unkompliziert, zu berechnen, die partiellen Ableitungen einer Funktion an einem Punkt mit Bezug auf das erste argument mit Hilfe der SciPy-Funktion scipy.misc.derivative. Hier ist ein Beispiel:

def foo(x, y):
  return(x**2 + y**3)

from scipy.misc import derivative
derivative(foo, 1, dx = 1e-6, args = (3, ))

Aber wie würde ich mich über das nehmen der Ableitung der Funktion foo mit Bezug auf das zweite argument? Eine Möglichkeit, die ich denken kann, ist die Erzeugung einer lambda-Funktion, die rejigs die Argumente um, aber das kann schnell sehr lästig werden.

Außerdem ist es ein Weg, um erzeugen ein array der partiellen Ableitungen in Bezug auf einige oder alle Argumente einer Funktion?

  • was ist die Rolle des args in der Ableitung () - Funktion?
InformationsquelleAutor tchakravarty | 2013-12-20
  1. 13

    Ich würde schreiben, einen einfachen wrapper, etwas entlang der Linien von

    def partial_derivative(func, var=0, point=[]):
    args = point[:]
    def wraps(x):
        args[var] = x
        return func(*args)
    return derivative(wraps, point[var], dx = 1e-6)

    Demo:

    >>> partial_derivative(foo, 0, [3,1])
6.0000000008386678
>>> partial_derivative(foo, 1, [3,1])
2.9999999995311555
    • Das ist schön, und ich kann Sie zusammen als Vektor der partiellen Ableitungen, aber hätte gedacht, dass zwischen SciPy und SymPy, einer von Ihnen würde diese auch umzusetzen. Was ich suchte, war die Funktionalität, die durch R deriv Funktion.
    • nicht gut acquinted mit R können Sie einen link zu Google docs für deriv
    • Hier. Zitat der Anleitung "Es gibt einen call for computing der Ausdruck und deren (partielle) Ableitungen, gleichzeitig."
    InformationsquelleAutor alko
  2. 3

    Ja, es ist implementiert in sympy. Demo:

    >>> from sympy import symbols, diff
>>> x, y = symbols('x y', real=True)
>>> diff( x**2 + y**3, y)
3*y**2
>>> diff( x**2 + y**3, y).subs({x:3, y:1})
3
    InformationsquelleAutor eseprimo
  3. 0

    Hier ist eine Antwort für die numerische differentiation mit numdifftools. 

    import numpy as np
import numdifftools as nd

def partial_function(f___,input,pos,value):
    tmp  = input[pos]
    input[pos] = value
    ret = f___(*input)
    input[pos] = tmp
    return ret

def partial_derivative(f,input):
    ret = np.empty(len(input))
    for i in range(len(input)):
        fg = lambda x:partial_function(f,input,i,x)
        ret[i] = nd.Derivative(fg)(input[i])
    return ret

    Dann: 

    print (partial_derivative(lambda x,y: x*x*x+y*y,np.array([1.0,1.0])))

    Gibt:

    [ 3.  2.]
    InformationsquelleAutor ntg
Schreibe einen Kommentar