这是两个代码，一个是用Python 3编写的，另一个是用Wolfram Mathematica编写的。代码是等效的，因此结果(图)应该相同。但是代码给出了不同的情节。这是代码。
Python代码:
import numpy as np
import matplotlib.pyplot as plt
from scipy.special import k0, k1, i0, i1
k=100.0
x = 0.0103406
B = 80.0
def fdens(f):
return (1/2*(1-f**2)**2+f **4/2
+1/2*B*k*x**2*f**2*(1-f**2)*np.log(1+2/(B*k*x**2))
+(B*f**2*(1+B*k*x**2))/((k*(2+B*k*x**2))**2)
-f**4/(2+B*k*x**2)
+(B*f)/(k*x)*
(k0(f*x)*i1(f *np.sqrt(2/(k*B)+x**2))
+i0(f*x)*k1(f *np.sqrt(2/(k*B)+x**2)))/
(k1(f*x)*i1(f *np.sqrt(2/(k*B)+x**2))
-i1(f*x)*k1(f *np.sqrt(2/(k*B)+x**2)))
)
plt.figure(figsize=(10, 8), dpi=70)
X = np.linspace(0, 1, 100, endpoint=True)
C = fdens(X)
plt.plot(X, C, color="blue", linewidth=2.0, linestyle="-")
plt.show()
the python result
Mathematica代码:
k=100.;B=80.;
x=0.0103406;
func[f_]:=1/2*(1-f^2)^2+1/2*B*k*x^2*f^2*(1-f^2)*Log[1+2/(B*k*x^2)]+f^4/2-f^4/(2+B*k*x^2)+B*f^2*(1+B*k*x^2)/(k*(2+B*k*x^2)^2)+(B*f)/(k*x)*(BesselI[1, (f*Sqrt[2/(B*k) + x^2])]*BesselK[0, f*x] + BesselI[0, f*x]*BesselK[1, (f*Sqrt[2/(B*k) + x^2])])/(BesselI[1, (f*Sqrt[2/(B*k) + x^2])]*BesselK[1,f*x] - BesselI[1,f*x]*BesselK[1, (f*Sqrt[2/(B*k) + x^2])]);
Plot[func[f],{f,0,1}]
the Mathematica result
(正确的)
结果不同。有人知道为什么吗？
最佳答案
从我的测试看来，一阶Bessell函数给出了不同的结果。两者最初都评估为Bessel(f * 0.0188925)，但是scipy版本给出的范围是0到9.4e-3，其中wolframalpha(使用Mathematica后端)给出的范围是0到1.4。我将对此进行更深入的研究。
另外，python使用标准C浮点数，而Mathematica使用符号运算。 Sympy尝试模仿python中的此类符号操作。
关于python-3.x - 等效代码，不同结果(Python，Mathematica)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45092918/