将Sympy集成到牛顿法计算器中遇对数/ln函数报错求助

错误原因分析 #

• ln(x)报错：SymPy中自然对数的标准函数是log()，而非ln()。用户输入ln(x)时，SymPy会将其误解析为符号x的属性，触发AttributeError。
• 不同底数log报错：
  1. 用户输入的对数语法不符合SymPy规范（比如log2(x)这类写法无法被SymPy正确识别）；
  2. 直接使用lambdify转换时，SymPy的多底数对数无法直接映射到NumPy的对应实现，导致类型错误。
• 循环逻辑错误：原代码中for i in (1, iterate):是遍历二元组，只会执行2次循环，而非用户指定的iterate次数。

修改后的完整代码 #

import sympy as sp
import numpy as np

x = sp.symbols('x')

# 获取用户输入并自动适配SymPy对数语法
expression_input = input('input function: ')
# 将用户习惯的ln替换为SymPy支持的log
expression_input = expression_input.replace('ln', 'log')
initial = float(input('input an initial guess: '))
iterate = int(input('input how many times you want it to iterate: '))

# 解析输入为SymPy表达式
expr = sp.sympify(expression_input)
# 计算导数
f_prime = sp.diff(expr, x)

# 配置lambdify的映射规则，确保对数函数正确转换为NumPy实现
f = sp.lambdify(x, expr, modules=[{'log': np.log}, 'numpy'])
df = sp.lambdify(x, f_prime, modules=[{'log': np.log}, 'numpy'])

# 执行指定次数的牛顿迭代
for _ in range(iterate):
    next_val = initial - (f(initial)/df(initial))
    initial = round(next_val, 8)

print(f'The root is {initial} after {iterate} iterations')

关键修改说明 #

1. ln语法兼容：通过replace('ln', 'log')自动转换用户输入的ln(x)为SymPy支持的log(x)，无需用户修改输入习惯。
2. 表达式显式解析：使用sp.sympify()将输入字符串转为标准SymPy表达式，避免隐式解析可能带来的歧义。
3. 对数函数映射：在lambdify中指定modules=[{'log': np.log}, 'numpy']，确保SymPy的log（包括任意底数的log(x, b)）能正确转换为NumPy可计算的形式（任意底数对数会被自动转为log(x)/log(b)）。
4. 循环逻辑修正：用range(iterate)实现用户指定次数的迭代，解决原代码循环次数错误的问题。

使用示例 #

• 自然对数：输入ln(x)或log(x)均可
• 以2为底的对数：输入log(x, 2)
• 以10为底的对数：输入log(x, 10)

内容的提问来源于stack exchange，提问作者Geegee