- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
这是我试图绘制的半 Planck law基于温度和距离的变化如下。
import numpy as np
k = 1.381*np.power(10,-23, dtype=np.float)
c = 3*np.power(10,8)
h = 6.626*np.power(10,-34, dtype=np.float)
l = 3*np.power(10,-6, dtype=np.float)
d_lower = 16*np.power(10,4)
d_upper = 2*np.power(10,6)
t_lower = 740
t_upper = 5200
d = np.arange(d_lower,d_upper,100)
t = np.arange(t_lower,t_upper,10)
D,T = np.meshgrid(d, t)
I = (2*h*np.power(c,2))/(np.power(D,2)*np.power(l,5)*(np.exp((h*c)/(l*k*T))-1))
解释器返回以下错误:
RuntimeWarning: divide by zero encountered in true_divide
I = (2*h*np.power(c,2))/(np.power(D,2)*np.power(l,5)*(np.exp((h*c)/(l*k*T))-1))
我不应该遇到任何被零除,因为 T
值是开尔文单位,所以 np.exp((h*c)/(l*k* T))-1
不能变为零。
这里有什么问题?!
我的python和numpy版本分别是3.7.0
和1.15.4
。
最佳答案
问题可能来自于它是一个矩阵除法,而 python 不能很好地处理它。
尝试替换:
I = (2*h*np.power(c,2))/(np.power(D,2)np.power(l,5)(np.exp(( hc)/(lk*T))-1))
作者:
aaa = (2*h*np.power(c,2))
bbb = (np.power(D,2)*np.power(l,5)*(np.exp((h*c)/(l*k*T))-1))
I = aaa/bbb
对我有用
SLP
关于python - 在 true_divide 中遇到被零除 + 在 true_divide 中遇到无效值 + 在 reduce 中遇到无效值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54255454/
这是我试图绘制的半 Planck law基于温度和距离的变化如下。 import numpy as np k = 1.381*np.power(10,-23, dtype=np.float) c =
我正在尝试使用 python 计算 black scholes 公式的隐含波动率。但是,我的代码有问题。我在运行代码时不断收到此错误消息: RuntimeWarning: divide by zero
我有两个 numpy 数组,我试图将一个数组与另一个数组分开,同时,我想确保除数为 0 的条目应该只替换为 0。 所以,我会做类似的事情: log_norm_images = np.where(b_0
这个问题与机器学习有关。我用灰度图像的值填充一个数组。 ben = io.ImageCollection('./Ben_bw.png')[0] ben = np.array(ben)#array of
这个问题与机器学习有关。我用灰度图像的值填充一个数组。 ben = io.ImageCollection('./Ben_bw.png')[0] ben = np.array(ben)#array of
我试图将 numpy 数组除以其自身的移位版本。该数组包含 0 因此自然会出现被零除的问题。但我认为插入一个 np.where 可以解决这个问题。但事实并非如此。 import numpy as np
当我得到试图避免被零除的 np.where 时,我仍然收到错误,即使 p_arr - 0.5 应该始终是 > 0。 mo = np.where(p_arr > 0.5, -6.93/(p_arr -
当我尝试查找数据系列之间的相关性时出现以下错误: >>> i = [1, 1, 1] >>> j = [2, 2, 2] >>> import numpy as np >>> np.corrcoef(
我正在将 Matlab 代码翻译成 python,但我被困在这里了。我认为使用@它会创建一个局部变量,对吗?我尝试用嵌套函数来引用代码,但在处理其中一个变量时似乎存在问题。 #Code's varia
似乎 numpy 中的 corrcoef 在常量列表传递给 corrcoef() 时抛出一个 RuntimeWarning函数,例如下面的代码抛出警告: import numpy as np X =
我试过运行这段代码,但无论我如何简化它,我总是遇到同样的错误。 /home/runner/.site-packages/symfit/core/fit.py:1046: RuntimeWarning:
我正在尝试将 Gower 距离实现应用于我的数据框。虽然它可以顺利地处理具有更多特征的相同数据集,但这次当我调用 Gower 距离函数时出现错误。我从同一目录中的另一个 .py 代码导入 Gower
我是一名优秀的程序员,十分优秀!