我编写的一个非常简单的代码有一些问题。我有4组数据，并想使用numpy polyfit生成多项式最佳拟合线。使用polyfit时，列表中的3个产生数字，但是使用polyfit时，第三个数据集产生NAN。下面是代码和打印输出。有任何想法吗？
代码:
所有的“ind_＃”都是数据列表。下面将它们转换为numpy数组，然后可以生成多项式最佳拟合线
ind_1=np.array(ind_1, np.float)
dep_1=np.array(dep_1, np.float)
x_1=np.arange(min(ind_1)-1, max(ind_1)+1, .01)
ind_2=np.array(ind_2, np.float)
dep_2=np.array(dep_2, np.float)
x_2=np.arange(min(ind_2)-1, max(ind_2)+1, .01)
ind_3=np.array(ind_3, np.float)
dep_3=np.array(dep_3, np.float)
x_3=np.arange(min(ind_3)-1, max(ind_3)+1, .01)
ind_4=np.array(ind_4, np.float)
dep_4=np.array(dep_4, np.float)
x_4=np.arange(min(ind_4)-1, max(ind_4)+1, .01)
下面打印出上面生成的数组以及polyfit列表的内容，这些内容通常是多项式方程的系数，但是对于下面的第三种情况，所有polyfit内容都将打印为NAN
print(ind_1)
print(dep_1)
print(np.polyfit(ind_1,dep_1,2))
print(ind_2)
print(dep_2)
print(np.polyfit(ind_2,dep_2,2))
print(ind_3)
print(dep_3)
print(np.polyfit(ind_3,dep_3,2))
print(ind_4)
print(dep_4)
print(np.polyfit(ind_4,dep_4,2))
打印:
[ 1.405 1.871 2.713 ..., 5.367 5.404 2.155]
[ 0.274 0.07 0.043 ..., 0.607 0.614 0.152]
[ 0.01391925 -0.00950728 0.14803846]
[ 0.9760001 2.067 8.8 ..., 1.301 1.625 2.007 ]
[ 0.219 0.05 0.9810001 ..., 0.163 0.161 0.163 ]
[ 0.00886807 -0.00868727 0.17793324]
[ 1.143 0.9120001 2.162 ..., 2.915 2.865 2.739 ]
[ 0.283 0.3 0.27 ..., 0.227 0.213 0.161]
[ nan nan nan]
[ 0.167 0.315 1.938 ..., 2.641 1.799 2.719]
[ 0.6810001 0.7140001 0.309 ..., 0.283 0.313 0.251 ]
[ 0.00382331 0.00222269 0.16940372]
为什么第三种情况的polyfit常数列为NAN？所有数据集都具有相同类型的数据，并且所有代码都是一致的。请帮忙。
最佳答案
只是查看您的数据。发生这种情况是因为您在NaN中有一个dep_3(元素713)。您可以确保只在适合的情况下使用有限值，如下所示:
idx = np.isfinite(ind_3) & np.isfinite(dep_3)
print(np.polyfit(ind_3[idx], dep_3[idx], 2))
至于在大型数据集中查找不良值，numpy使其变得非常容易。您可以找到这样的索引:
print(np.where(~np.isfinite(dep_3)))
关于Python编程-numpy polyfit说NAN，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13675912/