本文主要介绍了Python中Sympy的详细使用方法，对于大家来说非常详细，对于大家的学习或者工作都有一定的参考价值。有需要的朋友可以参考一下。
遇到复杂的计算，找到python绝对不会失望。sympy是Python的科学计算库，利用强大的符号计算系统完成多项式求值、求极限、解方程、求积分、微分方程、级数展开、矩阵运算等计算问题。虽然Matlab类似的科学计算能力也很强，但是Python凭借其简单的语法、易用性和异常丰富的三方库生态，个人认为可以更优雅地解决日常生活中遇到的各种计算问题。装在这个博客里就不赘述了！
1、表情及表情评价：
# -多项式解
#定义变量
x=sympy。符号(' x ')
FX=5 * 4
#使用evalf函数传递值
y1=fx.evalf(subs={x:6})
打印(y1)
#多元表达式
x=sympy。符号(' x ')
y=sympy。符号(' y ')
fx=x*x y*y
result=fx.evalf(subs={x:3，y:4})
打印(结果)
2.求解函数方程：
#求解方程的有限解
#定义变量
x=sympy。符号(' x ')
y=sympy。符号(' y ')
fx=x*3 9
#可解直接给出解向量。
print(sympy.solve(fx，x))
#用无穷多个解来解这个方程
#定义变量
x=sympy。符号(' x ')
y=sympy。符号(' y ')
fx=x*3 y**2
#获得x和y之间的关系，
print(sympy.solve(fx，x，y))
#求解方程
#定义变量
x=sympy。符号(' x ')
y=sympy。符号(' y ')
f1=x y-3
f2=x-y 5
sympy.solve([f1，f2]，[x，y])
3.总结
进口合同
#定义变量
n=症状。符号(' n ')
f=2*n
#把函数放在参数前面，变量的范围放在后面。
s=总和(f，(n，1，100))
印刷品
用求和公式解方程：
#说明我可以看成一个循环变量，就是X把自己加了五次。
#先定义变量，然后写方程
x=sympy。符号(' x ')
i=sympy。符号(“I”)
f=sympy summation(x，(I，1，5)) 10*x-15
result=sympy.solve(f，x)
打印(结果)
4.求极限(注意数学包里sin和很多数学函数都会报错，所以用sympy，无穷大用sympy.oo表示)
#用极限法求极限。
#定义变量和函数
x=sympy。符号(' x ')
f1=sympy sin(x)/x
f2=(1 x)**(1/x)
F3=(1 ^ 1/x)* * x
#这三个参数是函数、变量和趋势值。
lim1=sympy.limit(f1，x，0)
lim2=sympy.limit(f2，x，0)
lim3=sympy.limit(f3，x，sympy.oo)
打印(lim1、lim2、lim3)
5.衍生物
#对导数使用diff方法。
x=sympy。符号(' x ')
f1=2*x**4 3*x 6
#参数是函数和变量。
f1_=sympy.diff(f，x)
打印(f1_)
f2=sympy.sin(x)
f2_=sympy.diff(f2，x)
打印(f2_)
#求偏导数
y=sympy。符号(' y ')
f3=2*x**2 3*y**4 2*y
#分别求导x和y，也就是偏导数。
f3_x=sympy.diff(f3，x)
f3_y=sympy.diff(f3，y)
打印(f3_x)
打印(f3_y)
6.求定积分。
#用积分法求定积分
x=sympy。符号(' x ')
f=2*x
#参数被传递到函数、整数变量和范围中
result=sympy.integrate(f，(x，0，1))
打印(结果)
上面的解决方案有点不好。难的话就是罢工。如果我失去了它，我仍然喜欢scipy，如下：http://liao.cpython.org/scipy18/Scipy还可以解决许多数值计算，包括多重积分。
从scipy导入集成
定义f(x):
返回x 1
v，err=integrate.quad (f，1，2) # err是误差。
印刷(五)
计算多重积分，如下所示：
#求多重积分，先求内积分，再求外积分。
x，t=症状符号(' x t ')
f1=2*t
f2=sympy.integrate(f1，(t，0，x))
result=sympy.integrate(f2，(x，0，3))
打印(结果)
7.求不定积分
#求不定积分其实和定积分区别不大。
x=sympy。符号(' x ')
f=(sympy。E**x 2*x)
f_=sympy.integrate(f，x)
打印(f_)
8.数学一致性补充：
#数学巧合
#假想单元I
sympy。我
#自然对数低e
sympy。E
#无限
sympy.oo
# Pi
交响乐团
#找到n次方的根
合根(8，3)
#求对数
sympy.log(1024，2)
#寻找阶乘
标准阶乘(4)
#三角函数
辛(辛)
第一类(第一类/4类)
sympy.cos(sympy.pi/2)
9、公式展开和折叠
x=sympy。符号(' x ')
#公式通过expand方法展开。
f=(1 ^ 2 * x)* x * * 2
ff=sympy.expand(f)
打印(ff)
#采用因子法的公式折叠
f=x**2 1 2*x
ff=症状因子(f)
打印(ff)
10.公式的分离和组合(分数的分离和组合)
x=sympy。符号(' x ')
y=sympy。符号(' y ')
#公式展开使用apart方法，该方法与expand方法没有太大区别，通常用于分隔分数。
f=(x ^ 2)/(x ^ 1)
ff=sympy.apart(f)
打印(ff)
#使用tegother方法进行公式折叠
f=(1/x 1/y)
ff=共同症状(f)
打印(ff)
1、表达简单化
#simplify()普通简化
简化((x**3 x**2 - x - 1)/(x**2 2*x 1))
#trigsimp()三角测量简化
trigsimp(sin(x)/cos(x))
#powsimp()指数简化
powsimp(x**a*x**b)
关于Python的Sympy的详细使用，这篇文章就讲到这里。关于Python的SYMPY使用的更多信息，请搜索我们以前的文章或继续浏览下面的相关文章。希望你以后能支持我们！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。