Hướng dẫn python inverse function - hàm nghịch đảo python

Làm thế nào để bạn viết một chức năng nghịch đảo trong Python?

Đảo ngược () trong Python. Numpy. Hàm đảo ngược () được sử dụng để tính toán đảo ngược bit khôn ngoan của phần tử mảng. Nó tính toán bit khôn ngoan không phải của biểu diễn nhị phân cơ bản của các số nguyên trong các mảng đầu vào.

Làm thế nào để bạn nghịch đảo một chức năng?

Làm thế nào để bạn làm tội lỗi 1 trong Python?

Các hoạt động nghịch đảo là các hoạt động ngược lại mà hoàn tác lẫn nhau. Ví dụ: 5 ✕ 2 = 10 và 10 2 = 5 là các hoạt động nghịch đảo.

Các hoạt động nghịch đảo là các hoạt động ngược lại mà hoàn tác lẫn nhau. Ví dụ: 5 ✕ 2 = 10 và 10 2 = 5 là các hoạt động nghịch đảo.

• Làm thế nào để bạn viết một chức năng nghịch đảo trong Python?
• Làm thế nào để bạn nghịch đảo một chức năng?

Một ví dụ nghịch đảo là gì?

Đã hỏi ngày 4 tháng 3 năm 2013 lúc 11:32Mar 4, 2013 at 11:32

4.64511 Huy hiệu vàng54 Huy hiệu bạc91 Huy hiệu Đồng11 gold badges54 silver badges91 bronze badges

Một ví dụ nghịch đảo là gì?

Đã hỏi ngày 4 tháng 3 năm 2013 lúc 11:32Mar 4, 2013 at 11:32

4.64511 Huy hiệu vàng54 Huy hiệu bạc91 Huy hiệu Đồng11 gold badges54 silver badges91 bronze badges

Tôi hơi muộn, nhưng đối với những độc giả trong tương lai của bài đăng, tôi vừa xuất bản một gói Python làm điều này một cách chính xác. https://pypi.python.org/pypi/pynverse Có một mô tả chi tiết về cách sử dụng nó và cách nó thực hiện trong mô tả!function is used to Compute the bit-wise Inversion of an array element-wise. It computes the bit-wise NOT of the underlying binary representation of the integers in the input arrays.

Đã trả lời ngày 30 tháng 10 năm 2016 lúc 23:51Oct 30, 2016 at 23:51

Như đã được đề cập, không phải tất cả các chức năng đều không thể đảo ngược. Trong một số trường hợp áp đặt các ràng buộc bổ sung giúp: suy nghĩ về nghịch đảo của

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

7. numpy.invert(x, /, out=None, *, where=True, casting=’same_kind’, order=’K’, dtype=None, ufunc ‘invert’)

Một khi bạn chắc chắn rằng chức năng của bạn có nghịch đảo duy nhất, hãy giải phương trình

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

8. Giải pháp cung cấp cho bạn nghịch đảo,

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

9.
x : [array_like] Input array.
out : [ndarray, optional] A location into which the result is stored. If provided, it must have a shape that the inputs broadcast to. If not provided or None, a freshly-allocated array is returned.
**kwargs : Allows you to pass keyword variable length of argument to a function. It is used when we want to handle named argument in a function.
where : [array_like, optional] True value means to calculate the universal functions(ufunc) at that position, False value means to leave the value in the output alone.

Trong Python, hãy tìm người giải quyết phi tuyến từ [ndarray or scalar] Result. This is a scalar if x is scalar.

Tham số: x: [mảng_like] mảng đầu vào.out: [ndarray, tùy chọn] một vị trí mà kết quả được lưu trữ. Nếu được cung cấp, nó phải có một hình dạng mà các đầu vào phát sóng. Nếu không được cung cấp hoặc không có, một mảng mới được phân bổ được trả về. ** KWARGS: Cho phép bạn chuyển độ dài biến từ khóa của đối số cho một hàm. Nó được sử dụng khi chúng ta muốn xử lý đối số được đặt tên trong một hàm. Ở đâu đó: [Array_like, Tùy chọn] Giá trị thực có nghĩa là tính toán các hàm phổ quát (UFUNC) tại vị trí đó, giá trị sai có nghĩa là để lại giá trị trong đầu ra.

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Input  number :  10
inversion of 10 :  -11

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Đầu ra:

Input  number :  10
inversion of 10 :  -11

Làm thế nào để bạn viết một chức năng nghịch đảo trong Python?Code #2 :
Code #2 :

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Input  number :  10
inversion of 10 :  -11

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Đầu ra:

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Làm thế nào để bạn viết một chức năng nghịch đảo trong Python?Code #2 :
Code #3 :

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Input  number :  10
inversion of 10 :  -11

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Input array :  [2, 0, 25]
Output array after inversion:  [ -3  -1 -26]

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()

Đầu ra:

from scipy.optimize import minimize

x = np.arange(np.min(y),np.max(y),0.1)

y = np.zeros(x.shape)

def diff(x,a):
    yt = function(x)
    return (yt - a )**2

for idx,x_value in enumerate(x):
    res = minimize(diff, 1.0, args=(x_value), method='Nelder-Mead', tol=1e-6)
    y[idx] = res.x[0]

fig = figure(num=None, figsize=(12, 10), dpi=80, facecolor='w', edgecolor='k')

plt.plot(x,y)

plt.title(r'$f^{-1}(x)$')
plt.xlabel('x')
plt.ylabel('y')

plt.savefig("function_inverse.png", bbox_inches='tight')

plt.show()