Python 科学计算：怎么设定规划求解的目标？

不知道合适的关键词是什么，我试着说说把
图片描述

数据如上，用到speed, degree, x, y

具体的目标，是求解一个角度alpha,使得按这个坐标旋转后的新数据(x-y变换成u-v)，u-v的相关系数为0

这个不知道在Python里面应该怎么实现？一般是怎么处理这样的问题的？

EXCEL里面有个规划求解器，好像就是专门干这个事的，不知道Python（Scipy）里有没有相关的？

我自己写的是：

cors = []
for alpha in np.arange(0,360,10):
    df['theta'] = df['degree'] - alpha
    df['u']=df.apply(lambda x: x['speed'] * math.cos(math.radians(x['theta'])),axis=1)
    df['v']=df.apply(lambda x: x['speed'] * math.sin(math.radians(x['theta'])),axis=1) 
    cor = sp.stats.pearsonr(df.u,df.v)
    cors.append(cor)
    print cor

主要问题就是，这样计算速度太慢了，x和y有7000个数据。

回答：

用C的计算库提高性能

以上是 Python 科学计算：怎么设定规划求解的目标？ 的全部内容， 来源链接： utcz.com/a/162639.html

回到顶部