Sympy指数表达式无法忽略无意义小数导致化简失效的解决方法

Sympy默认化简逻辑会严格区分内置的Integer（整数型）和Float（浮点型）数值，尤其在指数、幂次等位置的两类数值不会被判定为相等，就是示例中化简失败的核心原因。以下是三种可直接落地的解决方案：

方案1：事后统一转换表达式内所有数值为浮点数 #

如果表达式已经生成，你可以在化简前调用evalf()方法将表达式内所有非符号数值统一转换为指定精度的浮点数，再执行化简操作即可：

from sympy import *

x = symbols('x')
y = -exp(2.0*x) + exp(2*x)
# 先转换所有数值为浮点数再化简，默认精度15位
y_float = y.evalf()
print(simplify(y_float)) # 输出为 0

y = -x**2.0 + x**2
y_float = y.evalf()
print(simplify(y_float)) # 输出为 0

如果需要自定义精度，可以给evalf()传入数值参数，比如evalf(10)代表精度为10位。

方案2：从运算源头统一数值类型 #

如果你希望避免运算过程中生成混合类型的表达式，可以自定义一个数值包装函数，所有参与Sympy运算的字面量数值都先经过转换，统一为Float类型：

from sympy import *

# 自定义包装函数，所有输入数值统一转成Sympy浮点型
def to_float(num):
    return Float(num)

x = symbols('x')
# 运算时用包装函数包裹所有非符号数值
y = -exp(to_float(2)*x) + exp(to_float(2)*x)
print(simplify(y)) # 输出为 0

y = -x**to_float(2) + x**to_float(2)
print(simplify(y)) # 输出为 0

方案3：自定义化简函数适配混合类型场景 #

如果你不想修改原有运算逻辑，可以自定义封装化简函数，在执行官方化简逻辑前先统一表达式内的数值类型，替换原有simplify调用即可：

from sympy import *

def custom_simplify(expr):
    # 将表达式内所有整数类型数值替换为等数值的浮点型
    expr = expr.replace(lambda e: isinstance(e, Integer), lambda e: Float(e))
    return simplify(expr)

x = symbols('x')
y = -exp(2.0*x) + exp(2*x)
print(custom_simplify(y)) # 输出为 0

y = -x**2.0 + x**2
print(custom_simplify(y)) # 输出为 0

该方案适配性最高，不需要改动原有业务逻辑的代码。

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