是否可以矢量化 scipy fsolve？答案

【问题标题】：Is it possible to vectorize scipy fsolve?是否可以矢量化 scipy fsolve？
【发布时间】：2019-12-18 04:59:27
【问题描述】：

我知道如何在 scipy 中使用 fsolve

from scipy.optimize import fsolve
import numpy as np
k=4
def equations(p):
    x,y=p
    eq_1 = x+y-k
    eq_2 = x-y
    return (eq_1,eq_2)
fsolve(equations, (0,0))

但是如果 k 是一个 numpy 数组，我不知道如何向量化这个函数。（对于不同的 k 值，我可以循环执行此操作，但如果会花费很多时间）。有没有类似的解决方案：

from scipy.optimize import fsolve
import numpy as np
k=np.arange(10000)
def equations(p):
    x,y=p
    eq_1 = x+y-k
    eq_2 = x-y
    return (eq_1,eq_2)
fsolve(equations, (np.zeros(10000),np.zeros(10000)))

如果您有任何想法，非常感谢

编辑：你们中的一些人在下面给出的链接增加了计算时间，因为每一行都不必独立。例如，您可以测试这两个代码：

s=1000

#With array
t0=time.time()
k=np.arange(s)
def equations(p):
    eq_1 = p**2-k
    return (eq_1)
res=fsolve(equations, np.ones((s)))
print(time.time()-t0)

#With loop
t0=time.time()
res=np.zeros((s))
i=0
def equations(p):
    eq_1 = p**2-i
    return (eq_1)
while i<s:
    res[i]=fsolve(equations, 1)[0]
    i+=1
print(time.time()-t0)

结果

10.85175347328186
0.05588793754577637

有没有办法避免循环，但使用矢量化功能保持良好的速度

【问题讨论】：

这能回答你的问题吗？ Is there a way I can vectorize fsolve?
这看起来像是重复的。你检查了吗？
谢谢，我已经检查了那个链接。但在那种情况下， fsolve 可能会非常慢，因为它会认为每行都没有必要独立。有没有办法告诉 fsolve 他可以对 k[i] 的每个值分别计算 x[i] 和 y[i]，并且 (x[i],y[i]) 与 (x[ j],y[j]).

标签： python numpy scipy vectorization

【解决方案1】：

不直接。

虽然有 cython_optimize 接口，https://docs.scipy.org/doc/scipy/reference/optimize.cython_optimize.html

因此，您可以使用 cython 并手动实现循环。虽然是 YMMV

【讨论】：