cmath.square 是否适用于 numpy 数组？答案

【问题标题】：is cmath.square working for numpy arrays?cmath.square 是否适用于 numpy 数组？
【发布时间】：2022-10-24 07:05:29
【问题描述】：

我想计算一个 numpy 负数数组的平方根。

我尝试使用np.sqrt()，但它给出了错误，因为域。

然后，我发现对于复数，您可以使用cmath.sqrt(x)，但它也会给我一个错误。

这是我的代码

import numpy as np
import cmath
from cmath import sqrt

x = np.arange(-10, 10, 0.01)
E = 1

p1 = cmath.sqrt(E - x**2)

并得到了这个错误

Traceback (most recent call last):
  File "C:\Users\os.py", line 49, in <module>
    p1 = cmath.sqrt(E - x**2)
TypeError: only length-1 arrays can be converted to Python scalars

后来我尝试使用 for 循环，这也是不可能的。这是代码：

import numpy as np
import cmath
from cmath import sqrt

x = np.arange(-10, 10, 0.01)
E = 1

for i in range(0, len(x)):
    p1 = cmath.sqrt(E - x(i)**2)

和消息错误

Traceback (most recent call last):
  File "C:\Users\os.py", line 48, in <module>
    p1 = cmath.sqrt(E - x(i)**2)
TypeError: 'numpy.ndarray' object is not callable

我不知道我做错了什么，有人可以帮助我吗？，拜托。我需要计算一个 numpy 负数数组的平方根，有人知道该怎么做吗？

【问题讨论】：

我使用emath 添加并回答，但还想提一下您在循环版本中遇到的问题只是语法错误。 x(i) 应该是 x[i]。似乎您正在尝试对数组进行索引，但语法却像函数一样调用它。

标签： python arrays numpy sqrt python-cmath

【解决方案1】：

您可以使用numpy.emath.sqrt()，它将处理负数并返回复数平方根：

import numpy as np

x = np.array([-4, -16, -25, 100, 64])

np.emath.sqrt(x)
# array([ 0.+2.j,  0.+4.j,  0.+5.j, 10.+0.j,  8.+0.j])

【讨论】：

【解决方案2】：

是的，您可以迭代以对x 的各个元素执行cmath：

In [254]: np.array([cmath.sqrt(E-i**2) for i in x])
Out[254]: 
array([0.+9.94987437j, 0.+9.93982394j, 0.+9.92977341j, ...,
       0.+9.91972278j, 0.+9.92977341j, 0.+9.93982394j])

但是np.sqrt 如果你给它一个复杂的 dtype 数组就可以工作：

In [255]: np.sqrt(E-x.astype(complex)**2)
Out[255]: 
array([0.+9.94987437j, 0.+9.93982394j, 0.+9.92977341j, ...,
       0.+9.91972278j, 0.+9.92977341j, 0.+9.93982394j])

一些比较时间

In [259]: timeit np.emath.sqrt(E-x**2)
166 µs ± 336 ns per loop (mean ± std. dev. of 7 runs, 10,000 loops each)

In [260]: timeit np.sqrt(E-x.astype(complex)**2)
129 µs ± 82.1 ns per loop (mean ± std. dev. of 7 runs, 10,000 loops each)

In [261]: timeit np.array([cmath.sqrt(E-i**2) for i in x])
2.54 ms ± 4.36 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

【讨论】：