разделить действительную и мнимую части функции, оцениваемой в mpmath python

Я оцениваю функцию MeijerG в mpmath, результат сложный. я хотел бы разделить реальную и мнимую части, чтобы сохранить их в кадре данных и впоследствии построить их. я получаю сообщение об ошибке

TypeError: невозможно создать mpf из массива, за которым следует серия комплексных чисел.

у любого был бы чистый подход к разделению и сохранению этих данных, чтобы пользователь мог отображать их в любом формате.

from mpmath import *
import sympy
import numpy as np
import cmath
import math
import pandas as pd
import matplotlib.pyplot as plt

mp.dps = 5; mp.pretty = True
a = mpf(0.25)
b = mpf(0.25)
z = mpc(0.75)
frequency = np.arange(1, 1e4, 100)

def q():
  return (-j/frequency)*meijerg([[1, 3/2], []], [[1, 1], [1/2, 0]], j*frequency)

T=q()
Re_q = np.real.T
Im_q = np.imag.T

print(Re_q)
print(Im_q)

data = pd.DataFrame({
    'Frequency (Hz)': frequency,
    'Re': Re_q,
    'Im': Im_q
}
)
data.to_csv('C:\\Users\\T.csv')

python pandas mpmath
person datac    schedule 17.10.2020    source источник
comment
см. stackoverflow.com/q/64485696/13953414   -  person datac    schedule 23.10.2020

Ответы (1)


arrow_upward
0
arrow_downward

таким образом он разделяет реальную и мнимую части.

from mpmath import *
import numpy as np
import cmath
import math
import pandas as pd

mp.dps = 15; mp.pretty = True
a = mpf(0.25)
b = mpf(0.25)
z = mpf(0.75)
frequency = np.arange(1, 50, 10)  # frequeny range
bh = np.arange(10e-6, 30e-6, 10e-6) #10e-6 # width
print(bh)
D = 1e-6 #7.8e-4  # diffusivity
gamma = 0.5772 # Euler constant
v = []
w =[]
i = []
def q(frequency):
  for i in bh:
    # for f in frequency:
      omega = (((i ** 2) * 2 * math.pi * frequency) / D)  # depends on bh and frequency
      u = ((-j/(math.pi * omega))*meijerg([[1, 3/2], []], [[1, 1], [0.5, 0]], j*omega))
      v = np.real(u)
      w = np.imag(u)
      return i, frequency, v, w
#transpose arrays
T = np.vectorize(q)
print(T(frequency))
df = np.array(T(frequency)).T
print(df)
# create DataFrame
df1 = pd.DataFrame(data=df, columns=['bh', 'frequency','Re', 'Im'])
print(df1)
#save in .csv
df1.to_csv('C:\\Users\\Mohamed Boutchich\\PycharmProjects\\calculations\\T.csv')
person datac    schedule 17.10.2020