python：绘制和优化相同的函数

Question

假设我有以下功能：

def f(x):
    return log(3*exp(3*x) + 7*exp(7*x))

我想做两件事：

1）绘制x值范围内的函数

2）使用scipy中的牛顿法求函数的根

我的问题是，绘图似乎最好使用numpy数组x=np.linspace(-2,2,1000)完成，但随后在errosTypeError: only size-1 arrays can be converted to Python scalars中计算函数结果。我可以通过简单地将log和exp分别更改为np.log和np.exp来解决这个问题

但这样做会让scipy.optimize.newton不高兴

似乎我需要定义函数两次，一次用于绘图（使用np. ...），另一次用于以上面给出的形式进行优化

我无法想象事实是这样的。如有任何提示，将不胜感激

Answer 1

似乎是合法的，您只需要使用numpy函数而不是基本数学函数：

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

def f(x):
  return np.log(3*np.exp(3*x) + 7*np.exp(7*x))

x = np.linspace(-2,2,1000)
y = f(x) 
plt.scatter(x, y)

optimize.root(f, 1)