Sympy Simplify 消除虚数
Sympy Simplify eliminate imaginary numbers
我正在尝试获取卷积向量之间的余弦相似度。因为我使用的是快速傅里叶变换,所以我使用的是复数。在计算余弦相似度时,最终返回的值应该是一个实数。但是,我的输出包括虚部:1.0*(-1.53283653303955 + 6.08703605256546e-17*I)/(sqrt(5.69974497311137 + 5.55111512312578e-17*I)*sqrt(14.2393958011541 - 3.46944695195361e-18*I))
虚部应该为零(它们实际上是零),但我无法让 sympy 将虚部设置为零,以便我可以获得实数值作为我的输出。
我已经包含了导致输出的代码。这是我能完成的最简化的。
# import statements
from sympy import *
from numpy import dot,array,random
# sympy initialization
a, b, c, d, e, f, g, h, i, j, k, l = symbols('a b c d e f g h i j k l')
# vector initialization
alpha = [a, b, c, d];
beta = [e, f, g, h];
gamma = [i, j, k, l];
# discrete fourier initialization (dft/idft)
W = [[1, 1, 1, 1], [1, -1j, -1, 1j], [1, -1, 1, -1], [1, 1j, -1, -1j]];
WH = [[1, 1, 1, 1], [1, 1j, -1, -1j], [1, -1, 1, -1], [1, -1j, -1, 1j]];
# i/fft initialization, cosine similarity
def fft(a):
return dot(a,W)
def ifft(a):
return dot(a,WH)/4.0
def cosineSimilarity(a,b):
return dot(a,b)/(sqrt(dot(a,a)) * sqrt(dot(b,b)))
# x&y initialization
x = ifft(fft(alpha)*fft(beta)) + ifft(fft(alpha)*fft(gamma));
y = ifft(fft(alpha)*fft(beta)/fft(gamma)) +
ifft(fft(alpha)*fft(gamma)/fft(beta));
# determine cosine similarity between x&y
random.seed(39843)
current = random.rand(12)
mymap = list(zip(params,current))
print(simplify(diff(cosineSimilarity(x, y), a).subs(mymap)))
如果你知道虚部是0那么你可以只取实部求值,否则使用"chop=True"小心丢弃相对较小的虚部:
>>> q
(-1.53283653303955 + 6.08703605256546e-17*I)/(sqrt(5.69974497311137 +
5.55111512312578e-17*I)*sqrt(14.2393958011541 - 3.46944695195361e-18*I))
>>> q.n(chop=True)
-0.170146237401735
>>> re(q.n())
-0.170146237401735
我正在尝试获取卷积向量之间的余弦相似度。因为我使用的是快速傅里叶变换,所以我使用的是复数。在计算余弦相似度时,最终返回的值应该是一个实数。但是,我的输出包括虚部:1.0*(-1.53283653303955 + 6.08703605256546e-17*I)/(sqrt(5.69974497311137 + 5.55111512312578e-17*I)*sqrt(14.2393958011541 - 3.46944695195361e-18*I))
虚部应该为零(它们实际上是零),但我无法让 sympy 将虚部设置为零,以便我可以获得实数值作为我的输出。
我已经包含了导致输出的代码。这是我能完成的最简化的。
# import statements
from sympy import *
from numpy import dot,array,random
# sympy initialization
a, b, c, d, e, f, g, h, i, j, k, l = symbols('a b c d e f g h i j k l')
# vector initialization
alpha = [a, b, c, d];
beta = [e, f, g, h];
gamma = [i, j, k, l];
# discrete fourier initialization (dft/idft)
W = [[1, 1, 1, 1], [1, -1j, -1, 1j], [1, -1, 1, -1], [1, 1j, -1, -1j]];
WH = [[1, 1, 1, 1], [1, 1j, -1, -1j], [1, -1, 1, -1], [1, -1j, -1, 1j]];
# i/fft initialization, cosine similarity
def fft(a):
return dot(a,W)
def ifft(a):
return dot(a,WH)/4.0
def cosineSimilarity(a,b):
return dot(a,b)/(sqrt(dot(a,a)) * sqrt(dot(b,b)))
# x&y initialization
x = ifft(fft(alpha)*fft(beta)) + ifft(fft(alpha)*fft(gamma));
y = ifft(fft(alpha)*fft(beta)/fft(gamma)) +
ifft(fft(alpha)*fft(gamma)/fft(beta));
# determine cosine similarity between x&y
random.seed(39843)
current = random.rand(12)
mymap = list(zip(params,current))
print(simplify(diff(cosineSimilarity(x, y), a).subs(mymap)))
如果你知道虚部是0那么你可以只取实部求值,否则使用"chop=True"小心丢弃相对较小的虚部:
>>> q
(-1.53283653303955 + 6.08703605256546e-17*I)/(sqrt(5.69974497311137 +
5.55111512312578e-17*I)*sqrt(14.2393958011541 - 3.46944695195361e-18*I))
>>> q.n(chop=True)
-0.170146237401735
>>> re(q.n())
-0.170146237401735