String in ndarray für numpy wandeln

[nieselfriem]

Hallo,

ich möchte ein wenig in QT und numpy was ausprobieren. Dabei habe ich ein QLineEdit in dem eine Funktion stehen soll, z.B. "x**2" und diese soll dann mit matplotlib und numpy als Graph ausgegeben werden. Doch leider scheitert das Thema an dem datentypen für numpy

ich kann für numpy eine Funktion ja wie folgt angeben

Code: [Alles auswählen] [Erweitern/Minimieren]

1. y = 0.5*x*2-9  

GeSHi © Codebox Plus Extension

Nun liefert aber QLineEdit diese Funktion als String. Wie kann ich diesen String als Datentyp für numpy konvertieren?

vg niesel

[MagBen]

Schau Dir das mal an

Code: [Alles auswählen] [Erweitern/Minimieren]

1. from PyQt4.QtCore import QString
2. import numpy as np
3. import matplotlib.pyplot as plt
4.  
5. lineEditOutput = QString("0.5*x*2-9")
6. my_function_str = unicode(lineEditOutput)
7. my_function = eval("lambda x: " + my_function_str)
8. x = np.linspace(0,5,21)
9. y = my_function(x)
10.  
11. plt.figure()
12. plt.plot(x,y)
13. plt.show()

GeSHi © Codebox Plus Extension

[snafu]

Hier ist das umfangreiche SymPy-Package ein gutes Bindeglied:

Code: [Alles auswählen] [Erweitern/Minimieren]

1. import numpy as np
2. from sympy.abc import x, y
3. from sympy.parsing.sympy_parser import parse_expr
4. from sympy.utilities.lambdify import lambdify
5.  
6. def make_func(string, symbols=(x,)):
7.     return lambdify(symbols, parse_expr(string))
8.  
9. def main():
10.     xs = np.linspace(0, 1, 5)
11.     double = make_func('x*2')
12.     print('Original:', xs)
13.     print('Double:', double(xs))
14.     print()
15.     xs = np.linspace(0, 2, 3)
16.     ys = np.linspace(2, 4, 3)
17.     formula = '(x + 1) * (y + 2)'
18.     f = make_func(formula, (x, y))
19.     print('xs:', xs)
20.     print('ys:', ys)
21.     print('Formula:', formula)
22.     print('->', f(xs, ys))
23.  
24. if __name__ == '__main__':
25.     main()

GeSHi © Codebox Plus Extension

Dies hat gegenüber der Lösung von MagBen den Vorteil, dass nicht beliebiger (Schad-)Code ausgeführt wird. Außerdem ist es flexibler in Bezug auf zusätzliche Symbole. Bringt einem zwar eine zusätzliche Abhängigkeit an, aber das ist bei wissenschaftlichen Anwendungsgebieten ja sowieso üblich.

[snafu]

Die Übergabe der SymPy-Symbole kann man übrigens auch abstrahieren (z.B. damit der Aufrufer sich den SymPy-Import spart):

Code: [Alles auswählen] [Erweitern/Minimieren]

1. import numpy as np
2. from sympy import symbols
3. from sympy.parsing.sympy_parser import parse_expr
4. from sympy.utilities.lambdify import lambdify
5.  
6. def make_func(string, used_symbols='x'):
7.     return lambdify(symbols(used_symbols), parse_expr(string))
8.  
9. def main():
10.     f = make_func('x*2')
11.     g = make_func('x+y', used_symbols='x, y')
12.     xs = np.linspace(0, 1, 5)
13.     print('x-values:', xs)
14.     ys = np.linspace(2, 3, 5)
15.     print('y-values:', ys)
16.     print('f(x) = x * 2 ->', f(xs))
17.     print('g(x, y) = x + y ->', g(xs, ys))
18.  
19. if __name__ == '__main__':
20.     main()

GeSHi © Codebox Plus Extension