在2D阵列上评估solve_ivp解决方案

Question

我正在用scipy.integrate.solve_ivp和dense_output=True解决一个初值问题。这应该产生一个插值多项式，它可以帮助我评估解域内任意点的解。

我想在2D阵列上评估解决方案。我本来希望能马上完成，但这似乎不可能：

res = solve_ivp(... , dense_output = True)
res.sol(a_2d_array)
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

如果我先展平数组，我就能做到：a_2d_array.ravel()。。。但在评估后，我必须再次恢复形状。有更好(或更有效(的方法吗？

Answer 1

当您需要重塑数组时，不要担心效率。它们很快，因为阵列数据不被复制(正常情况下(。

压扁：

>>> a = np.random.random((1000, 1000))
>>> shape = a.shape
>>> b = a.ravel()
>>> b.shape
(1000000,)
>>> b.base is a
True
>>> b = a.reshape(-1)
>>> b.shape
(1000000,)
>>> b.base is a
True

恢复原始形状：

>>> c = b.reshape(shape)
>>> c.shape
(1000, 1000)
>>> c.base is a
True
>>> b.shape = shape
>>> b.shape
(1000, 1000)
>>> b.base is a
True

一些时间安排：

>>> %timeit b = a.ravel()
128 ns ± 0.57 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
>>> %timeit b = a.reshape(-1)
421 ns ± 59.3 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
>>> %timeit c = b.reshape(shape)
189 ns ± 1.9 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
>>> %timeit b.shape = shape
152 ns ± 0.529 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)