np.linalg.inv() 导致数组充满 np.nan

Question

我正在尝试通过以下方式计算 a matrix 的倒数：


A = pd.read_csv("A_use.csv", header = None)

I = np.identity(len(A))

INV = np.linalg.inv(I - A)

然而，生成的数组充满了np.nan。

我不明白为什么会这样。我试图通过 A[np.isnan(A)] = 0 替换 A 中的所有 np.nan 值（尽管不应该有任何值），但问题仍然存在。

有什么建议吗？

Answer 1

问题在A.

数据框中可能有 nan 值。矩阵A可能是奇异的，请检查np.linalg.det(A)是否不是0

向函数 np.linalg.inv 传递一个 numpy 数组

Answer 2

原因是至少第 293 列中有一个 np.inf 值。np.inf 值可以通过 A[np.isinf(A)] = 0 替换。如果 np.inf 替换为零，则 L.

中没有 np.nan 个值

Answer 3

并非所有矩阵都有逆矩阵。如果行列式为 non-zero.

，则矩阵具有和逆矩阵

先检查是否

np.linalg.det(I-A) ~= 0

如果是non-zero，那么你应该可以做到

np.linalg.inv(I-A)

其次，确保 I-A 没有单个 NaN 值。如果是这样，那么计算它的逆将得到一个 NaN 值的矩阵。

np.linalg.inv() leads to array full of np.nan