我有这些代码，但是却给出了零除错误。我无法找出问题所在。我需要你的帮助。谢谢。 :)
from math import sqrt
def inisialisasi():
filename = raw_input('File will be read? ')
return filename
def readdatafile(filename):
datafile = open('kalibration.txt','r')
datax = []; datay = []; datae = []; i = 0
for row in datafile:
i +=1
data = row.split()
x = float(data[0])
datax.append(x)
y = float(data[1])
datay.append(y)
e = float(data[2])
datae.append(e)
print 'x = %5.2f y = %5.2f e = %5.2f' % (x, y, e)
datafile.close()
n = i
print 'Jumlah data = ', n
return n, datax, datay, datae
def regresilinear(x, y, e):
sum1=0.0; sum2=0.0; sum3=0.0; sum4=0.0; sum5=0.0
for i in range(0, n):
sum1=sum1+(x[i]**2/e[i]**2)
sum2=sum2+(y[i]/e[i]**2)
sum3=sum3+(x[i]/e[i]**2)
sum4=sum4+(x[i]*y[i])/e[i]**2
sum5=sum5+1/e[i]**2
det = (sum5*sum1)-sum3**2
#parameter a dan b
a = ((sum1*sum2)-(sum3*sum4))/det
b = ((sum5*sum4)-(sum3)*(sum2))/det
#ralat
sigmaa2 = sum1/det
sigmab2 = sum5/det
sigmaa = sqrt(sigmaa2)
sigmab = sqrt(sigmab2)
return a, b, sigmaa, sigmab
filename = inisialisasi()
n, datax, datay, datae = readdatafile(filename)
a, b, sigmaa, sigmab = regresilinear(datax,datay, datae)
print 'a= %8.6f b= %8.6f sigmaa= %8.6f sigmab= %8.6f' % (a, b, sigmaa, sigmab)
错误:
Traceback (most recent call last):
File "coba6.py", line 55, in
a, b, sigmaa, sigmab = regresilinear(datax, datay, datae)
File "coba6.py", line 42, in regresilinear
a = ((sum1*sum2)-(sum3*sum4))/det
ZeroDivisionError: float division by zero
最佳答案
不知何故，det设置为等于0。由于您从未明确阻止这种情况的发生，因此一条输入行就像...
1.0 <whatever> 1.0
...可能导致被零除。 (在这种情况下，
y的值无关紧要。)替换后，您将具有:sum1 = 0.0 + 1.0**2 / 1.0**2 # sum1 == 1.0
sum3 = 0.0 + 1.0 / 1.0**2 # sum3 == 1.0
sum5 = 0.0 + 1 / 1.0**2 # sum5 == 1.0
det = 1.0 * 1.0 - 1.0**2 # det == 0.0
...
a = <whatever> / det # KABOOM!
实际上，没有任何输入也会产生此错误，因为
for中的regresilinear循环永远不会更改其默认sum*值中的各种0.0变量。如果确定输入没有执行此操作，则可能要在
print中添加regresilinear语句，以查看det如何设置为零。 (或者，如果您熟悉的话，请使用pdb调试器。)PS:如果您的函数不依赖于
n这样的全局数据，那么调试它们会容易得多。您甚至不需要它，因为它应该始终等于三个列表datax，datay和datae的长度。PPS:
readdatafile完全忽略其filename参数。因此，如果硬编码的kalibration.txt文件恰好存在但为空，您将获得完全相同的ZeroDivisionError。