修复函数的奇点

假设你有一个像这样的功能

F = lambda x: sin(x)/x

评估F(0.0)会导致除零警告，并且不会给出预期的结果1.0。是否有可能编写另一个函数fix_singularity，当应用于上述函数时会产生所需的结果，这样就可以了

fix_singularity(F)(0.0) == 1.0

或者正式fix_singularity应通过以下测试：

import numpy as np

def test_fix_singularity():

    F = lambda x: np.sin(x)/x

    x = np.array((0.0, pi))

    np.testing.assert_array_almost_equal( F(x), [nan, 0] )

    np.testing.assert_array_almost_equal( fix_singularity(F)(x), [1, 0] )

一种可能的实现是

def fix_singularity(F):
    """ Fix the singularity of function F(x) """

    def L(x):
        f = F(x)
        i = np.isnan(f)
        f[i] = F(x[i] + 1e-16)
        return f

    return L

有更好的方法吗？编辑：另外我怎么能抑制警告：

Warning: invalid value encountered in divide

已邀请:

6 个回复

缮记箔

numpy具有sinc()函数，这是函数的规范化形式，即

F = lambda x: sin(pi*x) / (pi*x)

它正确处理x == 0.0的情况，

In [16]: x = numpy.linspace(-1,1,11)

In [17]: print x
[-1.  -0.8 -0.6 -0.4 -0.2  0.   0.2  0.4  0.6  0.8  1. ]

为了“unnormalize”做，

In [22]: s = numpy.sinc(x/numpy.pi)

In [23]: print s.round(2)
[ 0.84  0.9   0.94  0.97  0.99  1.    0.99  0.97  0.94  0.9   0.84]

导力疵谜

如果你已经在使用numpy那么：

a = np.linspace(0.0,2*np.pi,100)
b = np.sin(a)/a

将计算无误，在b[0]中留下NaN值。如果你想要处理它，你可以用以下代替它：

b[np.isnan(b)] = 1.0

更新要禁止警告，请尝试：

np.seterr(divide='ignore') # Or possibly np.seterr(invalid='ignore')

垫歌蝎降凤

一般来说，你不能像你想象的那样编写一个简单的修复装饰器。例如，一般函数不需要在奇点处具有有限的极限值，如该特定示例所做的那样。通常的做法是根据具体情况实施特殊处理。

哩翔购

我会试试这个

>>> def fix_singularity(F):
...     def L(x):
...         x1 = max(x,1e-16) if x >=0 else min(x,-1e-16)
...         return F(x1)
...     return L
...
>>> FS = fix_singularity(F)
>>> FS(0.0)
1.0
>>> FS(-1e-17)
1.0