pyhton数据处理与分析之scipy优化器及不同函数求根
1、Scipy的优化器模块optimize可以用来求取不同函数在多个约束条件下的最优化问题，也可以用来求取函数在某一点附近的根和对应的函数值；
2、scipy求取函数最优解问题(以多约束条件下的最小值为例)如下所示：
import numpy as np #导入数据结构nmupy模块
import matplotlib.pyplot as plt
from scipy.optimize import minimize #导入最小值优化模块
def func(x):
return (2*x[0]*x[1]+2*x[0]-x[0]**2+2*x[1]**2) #定义函数
def func_deriv(x):
dfdx0=(-2*x[0]+2*x[1]+2)
dfdx1=(2*x[0]+4*x[1])
return np.array([dfdx0,dfdx1])
cons=({"type":"eq","fun":lambda x:np.array([x[0]**3-x[1]]),"jac":lambda x:np.array([3*(x[0]**2),-1.0])},{"type":"ineq","fun":lambda x:np.array([x[1]-1]),"jac":lambda x:np.array([0,1])})#定义函数的多个约束条件
res=minimize(func,[-1.0,1.0],jac=func_deriv,constraints=cons,method="SLSQP",options={"disp":True}) #最小值优化函数格式调用
print("RESTRICT:",res)
3、scipy的root函数也可以用来求取在特定点附近的一元函数的根：
import numpy as np #导入数据结构nmupy模块
import matplotlib.pyplot as plt
from scipy.optimize import root
def f(x):
return x**2-3*x+2
sol=root(f,1) #表示求取函数f（x）在x=1附近处的根
print("ROOT:",sol.x,sol.fun) #输出最优根处的x的值及其数值计算的函数值
