如何在lambda表达式中保持某些参数不变

Question

情况：我正在使用 scipy 来解决优化问题。由于需要许多约束，系数位于 pandas.dataframe 对象中。我正在尝试使用循环输入所有这些约束。问题出在下一个周期，参数已经改变，所以实际上只剩下on约束了。

为了更清楚地表达问题，我举个例子（在这个例子中，只给出了几个参数。但在实际情况中，可能有50多个参数）。第一步：我使用的代码如下：约束是 w1 + w2 * 2 >= 0; w1 * 3 + w2 * 5 >= 0

cons = []
d = {
        'type': 'ineq', 
        'fun': ''}
a = np.array([1,2])
d['fun'] = lambda w: a.dot(w)
cons.append(d.copy())
a = np.array([3,5])
d['fun'] = lambda w: a.dot(w)
cons.append(d.copy())
cons

Step2：使用如下代码测试cons：只是将 w 用作 [1, 1]，我希望存储在 cons 中的 fun 将输出 3 和 8，但实际上是 8 和 8.

w = np.array([1,1])
for each in cons:
    fun = each['fun']
    print(fun(w))

任何人都可以帮助解决这个问题吗？或者只是出了点问题。

Answer 1

问题是你重新定义了a。

此代码将 a 的第二个定义重命名为 b 并给出您期望的结果：

import numpy as np

cons = []
d = {
        'type': 'ineq', 
        'fun': ''}
a = np.array([1, 2])
d['fun'] = lambda w: a.dot(w)
cons.append(d.copy())
b = np.array([3, 5])
d['fun'] = lambda w: b.dot(w)
cons.append(d.copy())
print(cons)

c = np.array([1, 1])
for each in cons:
    fun = each['fun']
    print(fun(c))

请注意，这可以解决您眼前的问题，但这并不意味着这是您要解决的问题的最佳或非常可靠的解决方案。

我想您要找的是 functools.partial。这是您的代码，但已重写为使用 partial:

import numpy as np
from functools import partial


def get_dot(a, w):
    return a.dot(w)


cons = []
d = {
    'type': 'ineq',
    'fun': None
}

d['fun'] = partial(get_dot, np.array([1, 2]))
cons.append(d.copy())

d['fun'] = partial(get_dot, np.array([3, 5]))
cons.append(d.copy())

print(cons)

g = np.array([1, 1])
for each in cons:
    fun = each['fun']
    print(fun(g))

如何在lambda表达式中保持某些参数不变

How to keep certain parameters unchanged in lambda expression

python

scipy

scipy-optimize-minimize