web-dev-qa-db-fra.com

Existe-t-il une fonction de pas heaviside?

Existe-t-il une fonction heaviside dans Python similaire à celle de MATLAB heaviside ?

J'ai du mal à en trouver un.

pythonmatlab
26
8765674

Si vous utilisez numpy version 1.13.0 ou ultérieure, vous pouvez utiliser numpy.heaviside:

In [61]: x
Out[61]: array([-2. , -1.5, -1. , -0.5,  0. ,  0.5,  1. ,  1.5,  2. ])

In [62]: np.heaviside(x, 0.5)
Out[62]: array([ 0. ,  0. ,  0. ,  0. ,  0.5,  1. ,  1. ,  1. ,  1. ])

Avec les anciennes versions de numpy, vous pouvez l'implémenter comme 0.5 * (numpy.sign(x) + 1)

In [65]: 0.5 * (numpy.sign(x) + 1)
Out[65]: array([ 0. ,  0. ,  0. ,  0. ,  0.5,  1. ,  1. ,  1. ,  1. ])
46
Warren Weckesser

La méthode la plus simple est probablement

def step(x):
    return 1 * (x > 0)

Cela fonctionne à la fois pour les nombres simples et les tableaux numpy, renvoie des entiers et vaut zéro pour x = 0. Le dernier critère peut être préférable à step(0) => 0.5 dans certaines circonstances.

20
clwainwright

Cela fait partie de sympy , que vous pouvez installer avec pip install sympy

De la documentation:

class sympy.functions.special.delta_functions.Heaviside


Heaviside Piecewise function. Heaviside function has the following properties: 

1) diff(Heaviside(x),x) = DiracDelta(x)    ( 0, if x<0 )
2) Heaviside(x) = < [*] 1/2 if x==0        ( 1, if x>0 )

Vous l'utiliseriez comme ceci:

In [1]: from sympy.functions.special.delta_functions import Heaviside

In [2]: Heaviside(1)
Out[2]: 1

In [3]: Heaviside(0)
Out[3]: 1/2

In [4]: Heaviside(-1)
Out[4]: 0

Vous pouvez également écrire le vôtre:

heaviside = lambda x: 0.5 if x == 0 else 0 if x < 0 else 1

Bien que cela puisse ne pas répondre à vos besoins si vous avez besoin d'une variable symbolique.

14
munk

Je ne sais pas si c'est là-bas, mais vous pouvez toujours en écrire un:

def heaviside(x):
    if x == 0:
        return 0.5

    return 0 if x < 0 else 1
5
netcoder

Depuis numpy 1.13, c'est numpy.heaviside.

5
Neil G
def heaviside(xx):
    return numpy.where(xx <= 0, 0.0, 1.0) + numpy.where(xx == 0.0, 0.5, 0.0)

Ou si numpy.where est trop lent:

def heaviside(xx):
    yy = numpy.ones_like(xx)
    yy[xx < 0.0] = 0.0
    yy[xx == 0.0] = 0.5
    return yy

Les horaires suivants sont avec numpy 1.8.2; quelques optimisations ont été faites dans numpy 1.9.0, alors essayez vous-même:

>>> import timeit
>>> import numpy
>>> array = numpy.arange(10) - 5
>>> def one():
...  return numpy.where(array <= 0, 0.0, 1.0) + numpy.where(array == 0.0, 0.5, 0.0)
... 
>>> def two():
...  yy = numpy.ones_like(array)
...  yy[array < 0] = 0.0
...  yy[array == 0] = 0.5
...  return yy
... 
>>> timeit.timeit(one, number=100000)
3.026144027709961
>>> timeit.timeit(two, number=100000)
1.5265140533447266
>>> numpy.__version__
'1.8.2'

Sur une machine différente, avec un numpy différent:

>>> timeit.timeit(one, number=100000)
0.5119631290435791
>>> timeit.timeit(two, number=100000)
0.5458788871765137
>>> numpy.__version__
'1.11.1'
>>> def three():
...  return 0.5*(numpy.sign(array) + 1)
... 
>>> timeit.timeit(three, number=100000)
0.313539981842041
1
Paul Price

Je ne sais pas si la meilleure façon de faire avancer les choses ... mais voici la fonction que j'ai piratée.

def u(t):
    unit_step = numpy.arange(t.shape[0])
    lcv = numpy.arange(t.shape[0])
        for place in lcv:
            if t[place] == 0:
               unit_step[place] = .5
            Elif t[place] > 0:
               unit_step[place] = 1
            Elif t[place] < 0:
    unit_step[place] = 0
    return unit_step

Ipython Plot with Pylab and NumPy

1
drewski

Solution simple:

import numpy as np
amplitudes = np.array([1*(x >= 0) for x in range(-5,6)])
0
Rajan saha Raju