如何在数学公式运算中使用np.arange？求解数组运算报错问题

核心问题 #

你的代码存在两个关键问题：

• 循环中每次计算都会覆盖x变量，最终x仅保留最后一个元素的结果，而非完整的结果数组
• 没必要手动遍历数组——numpy原生支持向量化运算，可以直接对整个数组执行数学操作，代码更简洁高效

另外你的导入语句冗余混乱，同时引入math和numpy的模块容易造成混淆。

解决方案 #

方案1：使用numpy向量化运算（推荐） #

直接对整个t数组应用公式，无需循环，这是numpy的标准高效用法：

import numpy as np
import matplotlib.pyplot as plt

# 生成时间数组
t = np.arange(0, 0.99, 0.01)
# 直接对整个数组执行公式计算
x = 2 * np.cos(2 * np.pi * 12 * t)

# 打印结果（可选）
print(x)
# 绘图验证结果
plt.plot(t, x)
plt.show()

方案2：修复循环写法（仅作参考，不推荐） #

如果一定要用循环，需要把每次计算的结果存入列表，避免变量被覆盖：

import numpy as np
import math
import matplotlib.pyplot as plt

t = np.arange(0, 0.99, 0.01)
x_list = []  # 用列表存储每个元素的计算结果

for i in range(len(t)):
    m = 2 * math.pi * 12 * t[i]
    x = 2 * math.cos(m)  # 处理单个数值时，math.cos或np.cos都可用
    x_list.append(x)
    print(x)

# 可选：将列表转换为numpy数组
x = np.array(x_list)
# 绘图验证
plt.plot(t, x)
plt.show()

关键说明 #

• 优先使用numpy内置函数（如np.cos、np.pi）处理numpy数组，math模块的函数仅支持单个数值，无法直接处理数组
• 向量化运算的执行效率远高于手动循环，尤其在处理大规模数组时优势明显

内容的提问来源于stack exchange，提问作者Johnny