Question

我正在numpy中实现卡尔曼滤波器。它工作正常，除了我导入matplotlib.pyplot以显示结果：

import numpy as np 
import matplotlib.pyplot as plt # adding this line breaks things
import sys

完整代码为here。让我强调一下，在我导入之前它似乎正常工作;它打印出100 x 2数组，这些数字似乎是合理的。添加导入后，即使不使用pyplot中的任何内容，特定行之后的所有行都为nan。非nan的数字与之前相同。

我的第一个想法是它可能是名称冲突，但事实并非如此。您可以很容易地看到the code doesn't have anything named "plt"，此外，它与下面描述的行为不一致。

当我从Sublime Text而不是命令行执行文件时，或者在pyplot导入之前添加nan时，import matplotlib as mpl行的数量不同。同样，非nan数字与正确运行的版本相同。

尝试调试只会让我更加困惑。我在主循环的有问题的迭代中添加了print语句，它首先只给出了nan个矩阵。当我再添加一个语句print yt时，打印nan的矩阵突然没有 - nan值。此外，在import sys之前移动import numpy as np语句会更改nan行的数量。在沿着这些线的实验中，我观察到当多次执行相同的文件时，值发生了变化（很多，例如从77变为3.32686992e + 297），并且在进一步重复执行时返回到原始值，在这两个输出之间随机振荡。没有保存状态，文件操作仅包含对np.loadtxt的一次调用。

可能会有所帮助的更多信息：我有Python 2.7.6和Ubuntu 14.04，尽管在其他人的计算机上使用Python 2.7.8和spyder，行为类似。

这种行为的可能来源是什么？现在，我正在思考巫术，我们计算机上的巧妙神秘硬件故障，或者是一种旨在挫败Python程序员的邪恶病毒。

Answer 1

我无法重现您所看到的错误*，因此我很难确定原因。话虽如此，代码中数值不稳定的一个明显来源是line 39上的矩阵求逆运算。

在实践中，您需要反转矩阵的情况非常少。特别是，你应该never use matrix inversion to solve systems of linear equations - 使用因子分解总是更快，数值更稳定。

您可以将np.linalg.inv的来电替换为np.linalg.solve，如下所示：

# aux_k = np.linalg.inv(psi.dot(sigmatt1[t]).dot(psi.T) + rmat)
# k[t] = sigmatt1[t].dot(psi.T).dot(aux_k)

A = psi.dot(sigmatt1[t]).dot(psi.T) + rmat
B = sigmatt1[t].dot(psi.T)
k[t] = np.linalg.solve(A, B.T).T

看看这是否有助于您的稳定性问题。

更新

您在上面的评论中提到了numpy.__version__ == '1.8.2'，但是您的matplotlib.__version__numpy__ == '1.5'。这可能意味着matplotlib是针对numpy的旧版本（可能是不兼容的）构建的（你是如何安装这些库的？）。

我建议您尝试删除并重新安装matplotlib。

*我尝试使用numpy v1.8.2和v1.10.0.dev-8bcb756，链接到源自源代码的OpenBLAS 0.2.12或来自Ubuntu存储库的标准CBLAS库。我还尝试过matplotlib v1.3.1和v1.5.x.

导入matplotlib.pyplot时出现随机的nan错误

1 个答案:

更新