规范化一个 Numpy 排列

Question

我刚开始在 python 中编程。我想为各种功能标准化一个 numpy arange。到目前为止我的代码是

from numpy import arange
from scipy.integrate import quad
import matplotlib.pyplot as plt

def function_A(x):
    return -(x-1)*(x-5)

def normalize(functionName, numpyRange):
    print "Inside normalize"

    min = numpyRange.min()
    max = numpyRange.max()

    print "functionName: ", functionName
    print "min: ", min
    print "max: ", max
    print "quad(functionName, min, max)[0]: ", quad(functionName, min, max)[0]
    print "functionName(numpyRange): ", functionName(numpyRange) 

    print "RIGHT BEFORE RETURN"

    return functionName(numpyRange) / quad(functionName, min, max)[0]

x = arange(1,5.01,0.01)
plt.plot(x, normalize(function_A, x))
plt.show()

print "This should equal unity: ", quad(normalize(function_A, x), x.min(), x.max(), args=(function_A, x))

我运行时的错误信息我的代码是：

Traceback (most recent call last):
  File "forStackExchange3.py", line 33, in <module>
    print "This should equal unity: ", quad(normalize(function_A, x), x.min(), x.max(), args=(function_A, x))
  File "/usr/lib/python2.7/dist-packages/scipy/integrate/quadpack.py", line 247, in quad
    retval = _quad(func,a,b,args,full_output,epsabs,epsrel,limit,points)
  File "/usr/lib/python2.7/dist-packages/scipy/integrate/quadpack.py", line 312, in _quad
    return _quadpack._qagse(func,a,b,args,full_output,epsabs,epsrel,limit)
quadpack.error: First argument must be a callable function.

错误信息让我感到困惑，因为即使错误发生在行

print "This should equal unity: ", quad(normalize(function_A, x), x.min(), x.max(), args=(function_A, x))

我仍然能够 "enter" 我的规范化函数，正如我的多个打印语句所证明的那样。我曾尝试用不同的方式来编写给出错误消息的行，但没有任何运气。任何帮助，将不胜感激。也许我需要重写我的规范化函数，以便我可以正确使用四边形？另外，如果针对我的特殊情况，python 中有更简单的函数标准化方法，请告诉我。

Answer 1

documentation for quad 状态：

func : function A Python function or method to integrate.

但是，您传递的第一个参数是 ndarray，它是不可调用的。换句话说，您传递的不是要集成的函数，而是其他此类操作的结果。

那是因为技术上的错误。至于如何解决它，我必须说我不确定你在问什么。给定范围 y，可以对其进行归一化。范围 y 可能是将某些函数应用于 x 的结果，但这不是重点。因此，您可以构建一个范围标准化器，并将其应用于函数的结果。

def function_A(x):
    return -(x-1)*(x-5)

x = arange(1,5.01,0.01)

def normalize(y):
    return y / sum(y)

>> sum(normalize(function_A(x)))
1.0

您还可以构建一个元函数，它接受一个函数和 returns 一个对其结果进行规范化的函数：

def make_normalized(fn):
    return lambda x: fn(x) / sum(fn(x))

因此，您可以定义

normalized_function_A = make_normalized(function_A)

并且只是为了验证：

>> sum(normalized_function_A(x))
1.0

规范化一个 Numpy 排列

Normalizing A Numpy Arange

python

numpy

scipy

normalize