具有形状 (n,) 的 Sympylambdaify 数组

我目前与 sympy 存在以下“问题”：

我有一个象征性的表达，比如M = matrix([pi*a, sin(1)*b])我想要lambdify并传递给数值优化器。问题是优化器需要函数来输入/输出形状的 numpy 数组(n,)特别是不(n,1).

现在我已经能够通过以下代码（MWE）实现这一目标：

import numpy as np
import sympy as sp
a, b = sp.symbols('a, b')
M = sp.Matrix([2*a, b])
f_tmp = sp.lambdify([[a,b]], M, 'numpy')
fun   = lambda x: np.reshape( f_tmp(x), (2,))

现在，这当然非常难看，因为每次都需要应用重塑fun被评估（可能会很多次）。有办法避免这个问题吗？这Matrix根据定义，类始终是二维的。我尝试使用sympy's MutableDenseNDimArray-class，但它们不能与lambdaify一起使用。 （符号变量无法被识别）

一种方法是将矩阵转换为嵌套列表并获取第一行：

fun = sp.lambdify([[a, b]], M.T.tolist()[0], 'numpy')

Now fun([2, 3]) is [4, 3]。这是一个 Python 列表，而不是 NumPy 数组，但优化器（至少是 SciPy 中的优化器）应该可以接受。

一个也可以做

fun = sp.lambdify([[a, b]], np.squeeze(M), 'numpy')

它还返回一个列表。

在我的测试中，上述速度同样快，并且比具有包装功能的版本更快（无论是np.squeeze or np.reshape)：大约 6 µs 与 9 µs。看来好处在于消除了一个函数调用。