numpy 数组和“不均匀形状”有问题

pqwbnv8z 于 2023-08-05 发布在其他

关注(0)|答案(2)|浏览(172)

我的代码考虑了一个三维图，但是，我需要添加依赖于“t”的“s1”，也就是说，它可以根据另一个的时间进行替换。如果不使用s1，则代码运行良好。添加“s1”时出错

ValueError: setting an array element with a sequence. The requested array has an inhomogeneous shape after 1 dimensions. The detected shape was (6,) + inhomogeneous part.

字符串
我尝试了不同的解决方案，使用数组，列表，覆盖，检查内容-但这些数组中没有虚部。我在一些主题中发现回滚numpy版本有帮助，但回滚时我得到一个错误，只安装了最新版本。也许还有其他方法来解决这个问题？

import numpy as np
from scipy.integrate import odeint
import scipy.integrate as integrate
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

b = 0.5182
c = 0.22439
d = 1.465
a1 = 30
a2 = 30
eps = 0.1
s = np.random.normal(0, 1, 100000)
n = s[1]
s1 = []
for i in range(1000):
    s1.append(s[i])
as1 = np.asarray (s1)
def f(x):
    if x<=-1.2:
        f = 0.528
    if -1.2<x<1.2:
        f = x*(1-x*x)
    else:
        f = -0.528
    return f
def dH_dt(H, t=0,*s1):
        return np.array([(H[1]+s1),
                     -H[0]-b*H[1]+H[2],
                     c*(a1*f(H[0])-H[2])-d*H[1],

                     (H[4]+eps*(H[0]+H[5]))+s1,
                     -H[3]-b*H[4]+H[5],
                     c*(a2*f(H[3])-H[5])-d*H[4]])

                        
t = np.linspace(0, 100, 1000)
H0 = [0.05, 0.07, 0.09, 0.09, 0.09, 0.09]
H, infodict = integrate.odeint(dH_dt, H0, t, args=(s1,), full_output=True)
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.plot(H[:,0], H[:,1], H[:,2])
plt.show()

型
x1c 0d1x的数据

numpy

来源：https://stackoverflow.com/questions/76642797/got-problem-with-array-and-inhomogeneous-shape

2条答案

按热度按时间

ctehm74n1#

在dH_dt函数中，H是一个numpy数组。在返回的第一个元素中，你有H[1]，它的类型是np.float64和s1，它是一个包含list的tuple。当执行H[1] + s1时，numpy会将s1转换为numpy数组，并将H[1]的值添加到每个元素中，从而得到一个numpy数组结果。您正在创建一个返回值，其中一些元素被转换为numpy数组，而其他元素（即没有s1）的项仅为np.float64。这就产生了一个不规则的阵列，集成商不知道如何处理。
目前，我不能建议任何改变，因为我不知道你实际上想做什么。

赞(0）回复(0）举报 2023-08-05

mpgws1up2#

如果我把你的函数改成更具诊断性的：

def dH_dt(H, t=0,*s1):
    ...:         alist = [(H[1]+s1),
    ...:                      -H[0]-b*H[1]+H[2],
    ...:                      c*(a1*f(H[0])-H[2])-d*H[1],
    ...: 
    ...:                      (H[4]+eps*(H[0]+H[5]))+s1,
    ...:                      -H[3]-b*H[4]+H[5],
    ...:                      c*(a2*f(H[3])-H[5])-d*H[4]]
    ...:         print([i.shape for i in alist])
    ...:         arr = np.array(alist)
    ...:         return arr

字符串
运行表明，它试图从混合的形状-标量和（1，1000）-组成一个数组

H, infodict = integrate.odeint(dH_dt, H0, t, args=(s1,), full_output=True)
[(1, 1000), (), (), (1, 1000), (), ()]

型
错误在行中：

arr = np.array(alist)

型
即使我将s1设置为标量float，也会得到列表形状为

[(1,), (), (), (1,), (), ()]

型
我必须将dH+dt签名更改为def dH_dt(H, t, s1):，以使其针对标量s1运行。
此函数必须返回一个与H0，（6，）形状相同的数组

`dy/dt = func(y, t, ...)`

型
它使用lsoda from the FORTRAN library odepack。lsoda是编译过的，不能像你期望的那样从纯python/numpy代码中进行'广播'或'迭代'。它没有通常的numpy尺寸灵活性。
简而言之，您不能通过一次对该函数的调用来执行多次odeint运行。

赞(0）回复(0）举报 2023-08-05

我来回答

numpy 数组和“不均匀形状”有问题

2条答案

相关问题

热门标签

最新问答