如何修复'RuntimeWarning：在 double_scalars 中遇到的除以零'

Posted 2023-02-24

【中文标题】如何修复\'RuntimeWarning：在 double_scalars 中遇到的除以零\'

【英文标题】：How to fix 'RuntimeWarning: divide by zero encountered in double_scalars'如何修复'RuntimeWarning：在 double_scalars 中遇到的除以零'

【发布时间】：2019-09-03 08:11:59

【问题描述】：

在我的代码中做了for循环后，出现了一行错误：

RuntimeWarning: divide by zero encountered in double_scalars

另外一行有两个错误：

RuntimeWarning: divide by zero encountered in double_scalars

RuntimeWarning: invalid value encountered in arcsin

我发现浮点值可能有问题，但我不确定，我在这里输入它以寻求您的帮助。 :)

代码如下：

T_max = 0.5 * v_PM(Me) * RTOD 
DT = (90 - T_max) - np.fix(90 - T_max) 
n = int(T_max * 2)

P = np.zeros((n+1))    
T = np.zeros((n+1))
M = np.zeros((n+1))
RR = np.zeros((n+1))
LR = np.zeros((n+1))
SL = np.zeros((n+1))

for m in range(n+1):
    T[m] = (DT + m) * DTOR
    func = lambda x: T[m] - v_PM(x) 
    M[m] = brentq(func, 1, Me+1) 
    M[0] = 0
    P[m] = TR * np.tan(T[m]) #X-AXIS POINTS
    P[0] = 0
    RR[m] = -TR / P[m]
    RR[0] = 0
    LR[m] = (np.tan(T[m] + np.arcsin(1 / M[m]))) 
    LR[0] = 0
    SL[m] = -RR[m] 
    SL[0] = 0 

我之前定义过（循环前）v_PM，它是相等的

v_PM = lambda x : (A * np.arctan(np.sqrt(B * (x ** 2 - 1))) - np.arctan(np.sqrt(x ** 2 - 1)))

正如我提到的，错误 RuntimeWarning: divide by zero encountered in double_scalars 参考RR[m] = -TR / P[m]

还有两个错误 RuntimeWarning: divide by zero encountered in double_scalars 和

RuntimeWarning: invalid value encountered in arcsin指的是：

LR[m] = (np.tan(T[m] + np.arcsin(1 / M[m])))

我还放在那里 P[0] = 0 和 M[0] = 0 等，因为我希望第一个元素为 0。

我不知道我是否可以忘记这个错误并继续我的代码，或者它是否是一个严重的问题。感谢您的帮助。

【问题讨论】：

首先你应该找出是哪一行导致了警告。这通常显示在 Traceback 中。

试试if abs(P[m]) <1E-6: print(m, P[m]。就在划分之前找出导致问题的值。您可以对 T[m] 和 M[m] 执行类似的操作。了解这些值可能有助于您了解正在发生的事情。

【参考方案1】：

这些不是实际错误，而是警告。 它们在那里是因为您试图将某物除以零。

也就是说，您设置M[0] = 0，然后除以M[0]（第一次迭代，m = 0）和P[0]相同。

问题是，您希望第一个值是什么？

也许一种解决方案是根据您的意愿（在循环之前）初始化零值并以m=1 开始循环（因此使用for m in range(1,n+1):）。这是你需要的吗？

但是，如果在不同的迭代中 P[m] 或 M[m] 为零，警告可能仍然存在。

T_max = 0.5 * v_PM(Me) * RTOD 
DT = (90 - T_max) - np.fix(90 - T_max) 
n = int(T_max * 2)

P = np.zeros((n+1))    
T = np.zeros((n+1))
M = np.zeros((n+1))
RR = np.zeros((n+1))
LR = np.zeros((n+1))
SL = np.zeros((n+1))

# initialize your values
M[0] = 0 # actually not needed
P[0] = 0 # actually not needed
RR[0] = 0 # actually not needed
LR[0] = 0 # actually not needed
SL[0] = 0 # actually not needed
T[m] = (DT) * DTOR

for m in range(1,n+1):
    T[m] = (DT + m) * DTOR
    #Mach from T[i] using T[i] = v_PM (FALSE POSITION)
    func = lambda x: T[m] - v_PM(x) 
    M[m] = brentq(func, 1, Me+1) 
    P[m] = TR * np.tan(T[m]) #X-AXIS POINTS

    #RR SLOPES
    RR[m] = -TR / P[m]

    #LR slopes
    LR[m] = (np.tan(T[m] + np.arcsin(1 / M[m]))) 
    SL[m] = -RR[m]