翻譯MATLAB代碼到Python：optmizing數值函數

Question

我有MATLAB代碼以下位：

f=@(h)(exp(-2*mun*(h/sigma+1.166))-1+2*mun*(h/sigma+1.166))/(2*mun^2)-ARL0; 

的參數並不重要，他們都只是在這一點上常量，最重要的是，現在我可以通過調用f（h）來評估函數的任何h值。特別是，我可以在任何指定的時間間隔內找到函數的零點，最小值，最大值等。

我把這段代碼翻譯成python，主要是作爲學習python的一個練習，我想知道是否有任何類似的東西（可能是numpy），我可以使用，而不是設置一個任意設置的numpy數組h值處理完畢。

我可以做類似（僞）：

f = numpy.array(that function for h in numpy.arange(hmin, hmax,hstep)) 

但這種承諾我的步長。有什麼辦法可以避免這種情況，並獲得像matlab中的完整精度？

編輯：我真正想在一天結束時是找到函數f的零，最大和最小位置（而不是值）。它看起來像SciPy的可能有一些功能，這裏有更多有用：http://docs.scipy.org/doc/scipy/reference/optimize.html

Answer 1

的Python等同的功能MATLAB（在@符號）處理被稱爲蟒「lambda函數」。等效語法如下：

Matlab的：

func = @(h)(h+2): 

的Python：

func = lambda h: h+2 

針對您的特殊情況下，你將實現MATLAB函數的這樣的等價物：

import numpy as np 
f = lambda h: (np.exp(-2*mun*(h/sigma+1.166))-1+2*mun*(h/sigma+1.166))/(2*mun**2)-ARL0 

f然後可以作爲一個函數使用，並直接應用於任何numpy數組。因此，這將工作，例如：

rarr = np.random.random((100, 20)) 
frarr = f(rarr) 

Answer 2

如果你只是爲x的​​整數值的F值，下面的工作：

f = [your_function(x) for x in xrange(hmin, hmax)] 

如果你想要更粒度小於整數值，你可以這樣做：

f = [your_function(x) for x in xrange(hmin, hmax, hstep)] 

如果你想在零，最大和最小位置的精確解，我同意你的編輯：使用scipy optimize。有關SciPy的

兩個重要注意事項優化功能：

1. 看來你要使用的版本有界
2. 沒有保證，你會發現實際的最小/最大使用這些功能。它們是非確定性的優化函數，可能會成爲局部最小值/最大值的犧牲品。如果你想象徵性地評估分鐘/ MAXS，我建議尋找到sage