使用Scipy solve_ivp时如何避免在return中逐个输入变量？

云上老周

2026-7-19

解决方案

方法1：参数解包（最小改动现有代码）

直接利用Python的*运算符解包数组，彻底摆脱手动逐个变量赋值的麻烦，代码修改如下：

def dSdt(t, S):
    """ Creating ordinary differential equations """
    # 删掉手动解包T1-T20的代码
    Equation_f = sym.lambdify(T, T_Final)
    # 用*S把数组拆分成多个位置参数，匹配lambdify生成函数的参数要求
    return Equation_f(*S) + Q_C(t)

不管Excel生成多少个变量，这个写法都能自动适配，完全不用修改return语句里的参数列表。

方法2：让lambda函数直接支持数组输入（更优雅的动态适配）

从符号定义阶段就适配数组逻辑，后续代码更简洁：

符号变量定义阶段修改

假设你之前是逐个创建T1-Tn，改成动态生成SymPy矩阵：

# n从Excel读取实际变量数量
n = 20  
# 动态生成符号变量矩阵
T = sym.Matrix([sym.symbols(f"T{i+1}") for i in range(n)])
# 生成T_Final时用矩阵元素索引（比如T[0]对应原T1，T[2]对应原T3）
T_Final = sym.Matrix([
    -0.002086*T[0] + 0.002086*T[2],
    0.0,
    1e-22*T[0] - 1e-22*T[2],
    # ... 其他方程
])

微分方程函数修改

def dSdt(t, S):
    """ Creating ordinary differential equations """
    # 指定modules='numpy'，让lambda函数支持数组输入
    Equation_f = sym.lambdify(T, T_Final, modules='numpy')
    # 直接传入数组S即可
    return Equation_f(S) + Q_C(t)

SymPy矩阵和NumPy数组完全兼容，这个写法从符号定义到数值计算全流程支持动态变量数量，彻底实现你根据Excel输入自动适配的需求。