代码输出含变量t的原因及解决方法，如何将R定义为t的函数？

你的代码里t消不掉，核心是S、I、H、L以及DS/DI/DH/DL这些表达式本身就带t的幂次项，而且目前没有约束条件让这些t项抵消。要消除t，有两个可行方向：

• 方向1：约束x变量的取值，让t的指数为0
  看代码里t的出现位置：比如TS.append([t**(x[4*n+i]+i+1)])，后面DS里有t**(-z)（z=1，也就是t^-1），所以t^-1 * t^(x[4*n+i]+i+1) = t^(x[4*n+i]+i)。只要让x[4*n+i]+i = 0，就能消掉t。同理给TI、TH、TL里的x变量加类似约束，代入后t就全没了。

  示例代码：

  # 以n=2为例，对相关x变量加约束
  constraints = [
      x[8] + 1 == 0,  # 对应TS里的t指数项
      x[9] + 1 == 0,  # 对应TI里的t指数项
      x[10] + 1 == 0, # 对应TH里的t指数项
      x[11] + 1 == 0  # 对应TL里的t指数项
  ]
  # 把约束代入R，得到不含t的表达式
  R_no_t = R.subs(constraints)
  print(R_no_t)
  

• 方向2：检查模型逻辑，确认是否该保留t
  如果你的模型本身t就是变量，那预期输出不含t就矛盾了。这时候得重新梳理模型推导，看看t是不是不该引入，或者有没有遗漏的化简步骤。可以试试深度化简来碰运气：

  R_simplified = sp.simplify(R, deep=True)
  print(R_simplified)
  

你现在写的def f(t): return R没用，因为R里的t是SymPy符号变量，函数返回的只是原表达式，没把传入的t值用上。正确实现分两种情况：

情况1：保留符号运算 #

如果还要做符号操作，直接用R本身就行，或者用sp.lambdify生成能处理符号/数值的函数：

# 直接代入t值计算
print(R.subs(t, 2))

# 生成可调用函数，支持符号和数值输入
f = sp.lambdify(t, R, modules=['numpy', 'sympy'])
# 传数值
print(f(2.0))
# 传新符号
print(f(sp.symbols('t_new')))

情况2：纯数值计算 #

如果只需要算数值，用sp.lambdify指定numpy模块，函数就能接收numpy数值：

f_numeric = sp.lambdify(t, R, modules='numpy')
# 计算t=0.5时的结果
print(f_numeric(0.5))

内容的提问来源于stack exchange，提问作者hojat saeidi