同情替换后 python 中的 NaN 类型

Question

我尝试在 sympy 表达式中替换变量，但替换后我得到 NaN 类型，我不明白为什么。

这是代码：

import sympy as sp
import copy
import numpy as np
import itertools as it
import matplotlib.pyplot as plt

alpha_set_values = np.linspace(0, 5, 10000)
beta_set_values = np.linspace(0, 6, 10000)

def plot_expr(exprVal, points):
  for point in points:
    value = exprVal.subs( [ (beta,point[0]), (alpha, point[1]) ] )
    print(type(value))
    if value > 0:
      plt.scatter([beta], [alpha], color = 'r')
    else:
      plt.scatter([beta], [alpha], color = 'b')

  plt.show()
plot_expr(expr1, points)

expr1是带有符号 alpha 和 beta (α*(1 - 0.1/β) + α - 0.3 α/β + 2 - 1.9 (α β - 0.1 α - β)/β) 的 sympy 表达式。 替换后，值的数据类型为 NaN

此处的完整代码是 google colab 链接。 最后 2 个单元格很重要，必须运行 - 最后一个单元格中缺少错误

Answer 1

你得到 Nan 是因为你的第一个点是(0, 0) 。 看看你的表达， expr1 ：

α*(1 - 0.1/β) + α - 0.3*α/β + 2 - 1.9*(α*β - 0.1*α - β)/β

特别是，条款：

• α*(1 - 0.1/β) ：替换后，sympy 计算0 * (1 - zoo)结果为Nan 。
• 此外， α/β可能导致NaN 。

我明白你在做什么：实现你的目标的最好方法是使用plot_implicit ：

sp.plot_implicit(expr1 > 0, (beta, 0, 6), (alpha, 0, 5))

或者，如果您希望 go 继续您的方法，请考虑从与零略有不同的值开始。 此外，为了加速计算和绘图，使用sp.lambdify将符号表达式转换为数值 function：

n = 100
alpha_set_values = np.linspace(1e-06, 5, n)
beta_set_values = np.linspace(1e-06, 6, n)
alpha_set_values, beta_set_values = np.meshgrid(alpha_set_values, beta_set_values)

f = sp.lambdify([alpha, beta], expr1)
res = f(alpha_set_values, beta_set_values)

alpha_set_values = alpha_set_values.flatten()
beta_set_values = beta_set_values.flatten()
res = res.flatten()
idx = res > 0

plt.figure()
plt.scatter(beta_set_values[idx], alpha_set_values[idx], color="r")
plt.scatter(beta_set_values[~idx], alpha_set_values[~idx], color="b")
plt.show()