获取ValueError: 数组不能包含 infs 或 NaNs

问题分析

data_Tai_LS[i, 3] = Lx(u_subdf, meanU, dt, model='autocovariance', method=2)

ValueError: array must not contain infs or NaNs
上面代码计算的结果，存入 数据中，因为计算结果可能为 infs或者 NaNs，所以抛出异常。
经检查发现，输入Lx()函数的参数 u_subdf 全为 nan， 导致计算结果出现 infs或者NaNs。

解决办法

将 infs 或 Nans 删除或跳过即可。

import numpy as np

a = np.array([[0, 0, 0, 0], [0, 0, 0, 0]])
if a.any() == 0:
    print('all is 0')

其它解决方法

通过清除 NaN 和 infs 解决了

def clean(serie):
    output = serie[(np.isnan(serie) == False) & (np.isinf(serie) == False)]
    return output

df2
Out[6]: 
   x  num  a
0  0    0  0
1  0    0  0
2  0    0  0
3  0    0  0
4  0    0  0
5  0    0  0
df2.any()==0
Out[3]: 
x      True
num    True
a      True
dtype: bool
df3 = pd.DataFrame({'x': [1, 0, 0, 0, 0, 0],
                   'num': [1, 0, 0, 0, 0, 0],
                   'a': [1, 0, 0, 0, 0, 0]})
df3.any()==0
Out[5]: 
x      False
num    False

其它解决方法2

由于np_subdf_2l[:, 0:3]全为0，导致Trans3D返回了全为空值的np1_subdf_2lnew，

meanU1, np1_subdf_2lnew, wd = Trans3D(np_subdf_2l[:, 0:3])

np1_subdf_2lnew 全为空值，导致 LcH() 函数报错。

我们的判断语句，漏掉了上图的情况：

if nr_in_10[i] != self.Num_sub or np_subdf_ori.any() == 0:  
    continue

np_subdf_ori.any() == 0只识别 6列全为0，而上图是3列为0的情况。

修改：

if np_subdf_2l[:, 0:3].any()==0 or np_subdf_2l[:, 3:].any()==0:
    continue

参考资料

[1] python - scipy.optimize.curvefit() - 数组不能包含 infs 或 NaNs 2022.10
[2] ValueError: array must not contain infs or NaNsValueError：数组不能包含 infs 或 NaNs 2016.6