如何利用前序导数高效计算函数在x₀处的多阶导数及兼容任意单变量函数？

问题分析 #

你遇到的'Add' object is not callable错误，核心原因是：第一次求导后，f从可调用的Python函数变成了SymPy的表达式对象（比如Add类型），这时候再尝试用f(x)或f(w)调用它自然会报错——表达式不是可调用的函数。下面分两部分解决你的需求：

一、正确实现复用前阶导数的多阶求导 #

我们需要始终操作SymPy表达式，而不是把表达式当成函数调用。每次求导都基于前一阶的导数表达式，避免重复计算原函数的高阶导数。

修正后的代码 #

from sympy import symbols, diff
import numpy as np

def deri(f, x0, N):
    # 初始化变量与初始表达式
    x = symbols('x')
    current_deriv = f(x)  # 将输入函数转为SymPy表达式
    # 存储各阶结果，A[0]是原函数在x0处的值
    results = np.zeros(N + 1)
    results[0] = current_deriv.subs(x, x0)
    
    for i in range(1, N + 1):
        # 复用前一阶导数，求当前阶导数
        current_deriv = diff(current_deriv, x)
        # 代入x0计算结果
        results[i] = current_deriv.subs(x, x0)
    
    return results

测试示例 #

def f(x):
    return x**5 + 2*x**3

# 计算x=1处的0到3阶导数
print(deri(f, 1, 3))
# 输出：[  3.  11.  36. 120.] 对应f(1)=3, f'(1)=11, f''(1)=36, f'''(1)=120

二、支持任意单变量函数（不受变量名限制） #

上面的代码假设变量是x，如果用户传入的是用y/t等其他变量的函数，就会失效。我们可以通过自动提取函数的自由变量来解决这个问题：

通用版本代码 #

from sympy import symbols, diff
import numpy as np

def deri(f, x0, N):
    # 生成临时符号，用来获取函数的表达式结构
    temp_sym = symbols('temp')
    temp_expr = f(temp_sym)
    
    # 提取函数的自由变量（单变量函数，取第一个即可）
    var = next(iter(temp_expr.free_symbols))
    
    # 替换临时符号为真实变量，生成初始表达式
    current_deriv = temp_expr.subs(temp_sym, var)
    
    results = np.zeros(N + 1)
    results[0] = current_deriv.subs(var, x0)
    
    for i in range(1, N + 1):
        current_deriv = diff(current_deriv, var)
        results[i] = current_deriv.subs(var, x0)
    
    return results

测试不同变量的函数 #

# 用y作为变量的函数
def h(y):
    return y**5 + 2*y**2

# 计算y=2处的0到2阶导数
print(deri(h, 2, 2))
# 输出：[ 40.  88.  248.] 对应h(2)=40, h'(2)=88, h''(2)=248

额外提示 #

• 如果你的输入本身就是SymPy表达式（而非Python函数），可以跳过临时符号的步骤，直接提取表达式的free_symbols即可。
• 该代码仅支持单变量函数，如果是多变量函数，需要额外添加变量指定逻辑，或者对free_symbols的数量做判断。

内容的提问来源于stack exchange，提问作者Overkill123