我在numpy中实现Kalman过滤器。它工作正常，除了当我导入matplotlib.pyplot以可视化结果时：
import numpy as np
import matplotlib.pyplot as plt # adding this line breaks things
import sys
完整的代码在这里。让我强调一点，在导入之前，它似乎可以正常工作；它会打印出一个100 x 2的合理数字数组。添加导入后，即使不使用pyplot的任何内容，特定行之后的所有行均为nan。不属于数字nan都和以前一样。
我最初的想法是，这可能是名称冲突，但事实并非如此。您可以轻松地看到该代码没有任何名为“ plt”的内容，此外，它与下面描述的行为也不一致。
nan当我从Sublime Text执行文件而不是从命令行执行文件时，或者在import matplotlib as mplpyplot导入之前添加文件时，行数不同。同样，非nan数字与功能正常的版本相同。
仅尝试调试使我更加困惑。我将打印语句添加到有问题的主循环迭代中，该循环最初仅提供nan矩阵。print yt但是，当我再添加一条语句时，打印nan突然没有nan值的矩阵。同样，将import sys语句移到该语句之前会import numpy as np更改nan行数。在沿着这些思路进行实验的过程中，我观察到多次执行同一文件时，这些值发生了变化（例如，从77更改为3.32686992e + 297），并且在进一步重复执行后又恢复为原始值，在这些值之间随机振荡两个输出。没有保存状态，文件操作仅包含一次对的调用np.loadtxt。
可能会有帮助的更多信息：我拥有Python 2.7.6和Ubuntu 14.04，尽管在其他人的具有Python 2.7.8和spyder的计算机上，行为类似。
此行为的可能来源是什么？现在，我在考虑是巫术，两台计算机上偶然的神秘硬件故障，还是旨在挫败Python程序员的邪恶病毒。
我无法重现您看到的错误*，因此很难确定原因。话虽如此，代码中数字不稳定性的一个明显来源就是第39行的矩阵求逆运算。
在实践中，很少需要反转矩阵的情况。特别是，永远不要使用矩阵求逆来求解线性方程组-而是使用因式分解总是更快，并且在数值上更稳定。
您可以更换您的来电np.linalg.inv与np.linalg.solve这样的：
# 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
看看这是否有助于解决您的稳定性问题。
您在上面的评论中提到您的numpy.__version__ == '1.8.2'，但您的matplotlib.__version__numpy__ == '1.5'。这可能意味着matplotlib是针对较旧（且可能不兼容）的numpy构建的（您如何安装这些库？）。
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，它们链接到从源代码编译的OpenBLAS 0.2.12或来自Ubuntu存储库的标准CBLAS lib。我还尝试了matplotlib v1.3.1和v1.5.x。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句