如何使用scipy的newton方法对多组(z,tau)参数对批量求解方程根

完全可以实现，核心操作是将原目标函数改造为可接收动态z、tau参数的形式，再配合scipy.optimize.newton的args参数传入每组对应参数，遍历所有参数对即可完成批量求解，具体操作如下：

步骤1：改造目标函数 #

把原本硬编码的z[0]、tau[0]改为函数的入参：

def fun(x, Z, y):
    return - np.log((1 - 0.5**x)) + np.log(x*Z) + np.log(0.5**x) + y

步骤2：批量求解 #

方法1：循环遍历（可读性更高，方便添加异常处理）

solutions = []
for Z_i, tau_i in zip(z, tau):
    # args里按顺序传入fun除x之外的参数
    root = newton(fun, x0=2, args=(Z_i, tau_i))
    solutions.append(root)

执行完成后solutions列表就按顺序存储了10组(z,tau)对应的方程根。

方法2：列表推导（更简洁）

solutions = [newton(fun, 2, args=(Z_i, tau_i)) for Z_i, tau_i in zip(z, tau)]

可选：异常捕获处理收敛问题 #

如果部分参数组合下牛顿法可能不收敛，可添加异常捕获避免程序中断：

solutions = []
for idx, (Z_i, tau_i) in enumerate(zip(z, tau)):
    try:
        root = newton(fun, x0=2, args=(Z_i, tau_i))
        solutions.append(root)
    except RuntimeError:
        print(f"第{idx}组参数求解不收敛，对应z={Z_i:.4f}，tau={tau_i:.4f}，可尝试调整初始值x0")
        solutions.append(np.nan) # 不收敛的位置填充空值方便后续处理

内容的提问来源于stack exchange，提问作者Ostrich