SymPy求解符号方程后自动代入x数值计算y值的优化方案

你可以用SymPy自带的lambdify方法将符号求解得到的表达式直接转换为支持NumPy数组输入的可调用函数，完全不需要手动抄写表达式，具体实现如下：

import matplotlib.pyplot as plt
import numpy as np
from sympy import symbols, solve, lambdify

m = 40
pa = 1
pb = 2

# 定义符号变量、构建方程
x_sym, y_sym = symbols('x y')
eq = pa * x_sym + pb * y_sym - m

# 求解y的符号表达式
y_sol_list = solve(eq, y_sym)
y_expr = y_sol_list[0]  # 取出唯一解的符号表达式

# 将符号表达式转换为支持NumPy输入的函数
calc_y = lambdify(x_sym, y_expr, modules='numpy')

# 生成x数组直接计算y
x = np.linspace(1, 4, 41)
y = calc_y(x)

plt.plot(x, y)
plt.show()

核心逻辑说明 #

• 求解得到的y_expr是SymPy的符号表达式对象，不需要手动读取内容，直接交给lambdify处理即可
• lambdify的第三个参数指定modules='numpy'，转换后的函数可以直接传入NumPy数组，批量计算结果效率很高
• 避免了手动抄写表达式容易出错的问题，你原代码里手动写的y=2-x/2就是笔误，正确解应该是y=20-x/2，用自动转换的方法完全不会出现这类错误

如果仅需要代入单个或少量数值计算，也可以直接用符号表达式的subs方法，示例：y_val = y_expr.subs(x_sym, 10)即可得到x=10时对应的y值35。

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