Sympy中使用cse=True对求和式lambdify时出错的问题求助

你的操作没有错误，这是SymPy处理带索引变量的求和式时启用CSE优化的已知问题——CSE会错误地将求和内部依赖循环变量i的子表达式提取到循环外部，导致运行时i未定义（i是求和的循环变量，仅在求和范围内有效）。

可行解决办法 #

方法1：对求和通项单独应用CSE优化 #

不要直接对整个Sum对象启用CSE，而是先提取求和的通项表达式，单独做CSE优化后再重构求和式：

import sympy as sy

# 定义符号
x = sy.Symbol('x', real=True)
e = sy.Symbol('e', real=True, positive=True)
i = sy.Symbol('i', integer=True)
iMax = sy.Symbol('i_m', integer=True, positive=True)
xOfI = sy.Indexed('x',i)

# 提取求和通项
term = xOfI + e*sy.sin(xOfI) + (e*sy.sin(xOfI))**2
# 对通项执行CSE优化
cse_terms = sy.cse(term)
# 重构求和式：先定义公共子表达式，再求和简化后的通项
pre_exprs, simplified_term = cse_terms
s = sy.Sum(simplified_term, (i, 1, iMax))
# 合并公共子表达式与求和式为完整表达式
full_expr = sy.Add(*[expr for _, expr in pre_exprs], s)

# 生成回调函数
callbackWithCse = sy.lambdify([x, e, iMax], full_expr)
answer2 = callbackWithCse([5, 6, 7, 8, 9], 0.01, 4)
print(answer2)  # 输出正常结果

这种方式让CSE仅作用于单个求和项，不会把依赖i的子表达式提到循环外，同时保留了CSE的优化效果。

方法2：用NumPy向量化运算替代SymPy求和 #

如果输入是数组，可直接构建向量化表达式，利用NumPy广播机制替代SymPy的Sum，既享受CSE优化，又避免循环变量问题：

import sympy as sy
import numpy as np

# 定义符号：x为任意长度的列向量
x = sy.MatrixSymbol('x', sy.Integer(None), 1)
e = sy.Symbol('e', real=True, positive=True)

# 构建向量化表达式
term = x + e*sy.sin(x) + (e*sy.sin(x))**2
# 对向量求和
s = sy.sum(term)

# 生成基于NumPy的回调函数，启用CSE
callbackWithCse = sy.lambdify([x, e], s, cse=True, modules='numpy')
answer2 = callbackWithCse(np.array([5, 6, 7, 8, 9]), 0.01)
print(answer2)  # 输出正常结果

该方法完全避开SymPy的Sum和索引变量问题，借助NumPy向量化运算提升效率，同时CSE可正常优化重复子表达式。

方法3：自定义CSE优化规则（进阶） #

若需精细控制，可使用SymPycse函数的optimizations参数，自定义规则避免提取依赖循环变量的子表达式：

from sympy.codegen.cse import optimize

def avoid_indexed_cse(expr):
    # 自定义优化：不提取包含索引变量i的子表达式
    return optimize(expr, optimizations=[('basic', {'ignore': lambda subexpr: i in subexpr.free_symbols})])

# 对求和式应用自定义CSE
cse_terms = avoid_indexed_cse(s)
pre_exprs, simplified_sum = cse_terms
full_expr = sy.Add(*[expr for _, expr in pre_exprs], simplified_sum)

callbackWithCse = sy.lambdify([x, e, iMax], full_expr)
answer2 = callbackWithCse([5, 6, 7, 8, 9], 0.01, 4)
print(answer2)

关于doit()的问题 #

调用Sum.doit()会展开求和式，当iMax较大时，生成的表达式会包含大量重复项，不仅符号计算速度极慢，生成的回调函数也会因代码冗余导致运行迟缓，因此不推荐使用。

内容的提问来源于stack exchange，提问作者Sam