sympy求解隐函数报错'ImmutableDenseNDimArray'无as_independent属性如何修复

• 你直接把二维numpy数组X、Y传入了sympy的符号求解函数solve，sympy的符号运算体系不兼容numpy多维数组结构，内部处理表达式时尝试调用只有sympy对象才有的as_independent方法，numpy数组没有该方法，因此触发AttributeError。
• 补充：你要解的x + 2y + z + e^(2z) = 0是超越方程，sympy本身也无法求出z的解析表达式，即便传入单值数值也拿不到可用解，这条路从逻辑上就走不通。

改用数值求根方案，通过scipy的单变量求根函数逐点计算每个(x,y)对应的z值：

1. 先将隐函数改写为求根形式：f(z) = x + 2*y + z + np.exp(2*z) = 0，该函数对z单调递增（导数恒大于0），每个(x,y)对应唯一实根，不需要处理多解问题。
2. 用np.vectorize包装求根逻辑，适配numpy数组的批量输入。

完整可运行代码如下：

import numpy as np
from scipy import optimize
import matplotlib.pyplot as plt

fig = plt.figure(2, figsize=(10, 7))
ax = fig.gca(projection='3d')
x = np.linspace(-1, 1, num=20)
y = np.linspace(-1, 1, num=20)
X, Y = np.meshgrid(x, y)

# 定义求根用的隐函数
def root_func(z, x, y):
    return x + 2 * y + z + np.exp(2 * z)

# 定义单(x,y)点求z的函数
def get_z(x, y):
    res = optimize.root_scalar(root_func, args=(x, y), bracket=[-10, 10])
    return res.root

# 适配批量numpy数组输入
vec_get_z = np.vectorize(get_z)
Z = vec_get_z(X, Y)

# 绘图
surf = ax.plot_wireframe(X, Y, Z, linewidth=1, antialiased=False, color='b')
plt.xlabel('x')
plt.ylabel('y')
ax.set_zlabel('z')
plt.title('Implicit surface')
plt.show()

内容的提问来源于stack exchange，提问作者mel