Sympy替换为lambda函数优化代码后计算结果不一致的解决方案咨询

我帮你分析下这个问题——你遇到的微小差异本质是浮点数计算路径不同、精度设置不统一导致的。下面是几个能让两种实现结果完全一致的具体思路：

1. 统一计算精度与底层库设置 #

Sympy默认的数值求值精度和mpmath的默认精度可能存在细微差异，而且两者的exp函数底层实现逻辑不完全相同。你可以强制让两者使用相同的精度标准：

• 给mpmath设置明确的小数精度，比如mpmath.mp.dps = 15（15位小数足够覆盖你的需求）；
• Sympy求值时显式指定相同精度，用sympy.N(表达式, dps=15)来输出结果，而不是依赖默认的自动求值。

2. 简化表达式，减少中间误差累积 #

你当前的指数部分是两个exp相乘，这会多一次浮点运算，增加误差概率。可以把两个指数合并成一个：
exp(1.73847894065589*t) * exp(-1.74850463949595*t) = exp( (1.73847894065589 - 1.74850463949595)*t )
两种实现都用这个合并后的表达式，能减少一次乘法操作，避免额外的精度损失。

3. 对齐数值常量的精确性 #

检查你公式里的系数（比如6.11513442504139、0.764837815685049等），确保Sympy和lambda版本使用完全一致的数值。如果这些系数是从Sympy符号计算导出的，建议直接从Sympy里提取高精度的字符串形式，再复制到lambda代码中，避免手动输入时的微小偏差。

修改后的示例代码 #

下面是调整后的代码，按照上面的思路统一了精度、简化了表达式：

import sympy
import mpmath

# 统一设置15位小数精度
mpmath.mp.dps = 15
sympy.precision = 15

# --------- Parameters ----------------
s_1_value = 0.9
s_2_value = 1.2
s_eq_pre = 11.628616990912533
history = 471.88639640808105

# --------- Sympy ----------------
t = sympy.Symbol('t', positive=True)
s_1, s_2 = sympy.symbols('s_1 s_2', real=True)
# 合并指数系数，减少计算步骤
exp_coeff = 1.73847894065589 - 1.74850463949595
s_eq = 6.11513442504139 * s_1**3 + 0.764837815685049 * s_1 + 0.0319169512850692 * s_2**3 + 0.00409678596174992 * s_2 + 0.0837906906442538
exponential = sympy.exp(exp_coeff * t)
s_eq_cur = s_eq.subs([(s_1, s_1_value), (s_2, s_2_value)])
DELTA = (s_eq_pre - s_eq_cur) * (1 / exponential.subs(t, history))
# 显式指定精度输出
print("sympy: ", sympy.N(DELTA, dps=15))

# --------- lambda ----------------
# 使用和Sympy完全一致的指数系数
exponential = lambda t: mpmath.exp(exp_coeff * t)
s_eq = lambda s_1, s_2: 6.11513442504139 * s_1**3 + 0.764837815685049 * s_1 + 0.0319169512850692 * s_2**3 + 0.00409678596174992 * s_2 + 0.0837906906442538
DELTA_ = lambda s_eq_pre_, s_eq_cur_: (s_eq_pre_ - s_eq_cur_) * (1 / exponential(history))
s_eq_cur = s_eq(s_1_value, s_2_value)
DELTA = DELTA_(s_eq_pre, s_eq_cur)
print("lambda: ", DELTA)

这样调整后，两种实现的计算路径、精度设置完全对齐，输出结果就会完全一致。

内容的提问来源于stack exchange，提问作者Javier Pérez