matplotlib plot、python的错误

在尝试使用matplotlib绘图时，我遇到了一个可怕的巨大错误：

Traceback (most recent call last):
  File "24oct_specanal.py", line 90, in <module>
    main()
  File "24oct_specanal.py", line 83, in main
    plt.plot(Svar,Sav)
  File "/usr/lib64/python2.6/site-packages/matplotlib/pyplot.py", line 2458, in plot
    ret = ax.plot(*args, **kwargs)
  File "/usr/lib64/python2.6/site-packages/matplotlib/axes.py", line 3849, in plot
    self.add_line(line)
  File "/usr/lib64/python2.6/site-packages/matplotlib/axes.py", line 1443, in add_line
    self._update_line_limits(line)
  File "/usr/lib64/python2.6/site-packages/matplotlib/axes.py", line 1451, in _update_line_limits
    p = line.get_path()
  File "/usr/lib64/python2.6/site-packages/matplotlib/lines.py", line 644, in get_path
    self.recache()
  File "/usr/lib64/python2.6/site-packages/matplotlib/lines.py", line 392, in recache
    x = np.asarray(xconv, np.float_)
  File "/usr/lib64/python2.6/site-packages/numpy/core/numeric.py", line 235, in asarray
    return array(a, dtype, copy=False, order=order)
ValueError: setting an array element with a sequence.

回溯（最近一次呼叫最后一次）：
文件“24oct_specanal.py”，第90行，在
main（）
文件“24oct_specanal.py”，第83行，主目录
plt.绘图（Svar、Sav）
文件“/usr/lib64/python2.6/site packages/matplotlib/pyplot.py”，绘图中第2458行
ret=最大绘图（*args，**kwargs）
文件“/usr/lib64/python2.6/site packages/matplotlib/axes.py”，第3849行，在绘图中
自我添加_行（行）
文件“/usr/lib64/python2.6/site packages/matplotlib/axes.py”，第1443行，添加行
自我更新行限制（行）
文件“/usr/lib64/python2.6/site packages/matplotlib/axes.py”，第1451行，在“更新”行中
p=line.get_path（）
get_路径中的文件“/usr/lib64/python2.6/site packages/matplotlib/lines.py”，第644行
self.recache（）
文件“/usr/lib64/python2.6/site packages/matplotlib/lines.py”，第392行，在recache中
x=np.asarray（xconv，np.float_ux）
asarray中的文件“/usr/lib64/python2.6/site packages/numpy/core/numeric.py”，第235行
返回数组（a，数据类型，copy=False，order=order）
ValueError:使用序列设置数组元素。

这是我正在使用的代码：

import numpy as np
import numpy.linalg
import random
import matplotlib.pyplot as plt
import pylab
from scipy.optimize import curve_fit
from array import array

def makeAImatrix(n):

    A=np.zeros((n,n))
    I=np.ones((n))
    for i in range(0,n):
        for j in range(i+1,n):
            A[j,i]=random.random()
    for i in range(0,n):
        for j in range(i+1,n):
                A[i,j] = A[j,i]
    for i in range(n):
        A[i,i]=1
    return (A, I)

def main():
    n=5 #number of species
    t=1 # number of matrices to check
    Aflat = []
    Aflatlist = [] #list of matrices
    Aflatav = []
    Aflatvar = []
    Aflatskew = []
    remspec = []
    Afreeze = [] #this is a LIST OF VECTORS that stores the vector corresponding to each extinct species as
                  #it is taken out. it is NOT the same as the original A matrix as it is only
                  #coherant in one direction. it is also NOT A SQUARE.
    Sex = [] # (Species extinct) this is a vector that corresponds to the Afreeze matrix. if a species is extinct then
                #the value stored here will be -1. 
    Sav = [] # (Species average) The average value of the A cooefficiants for each species
    Svar = [] # (Species variance)

    for k in range (0,t):
        allpos = 0
        A, I = makeAImatrix(n)
        while allpos !=1: #while all solutions are not positive

            x = numpy.linalg.solve(A,I)
            if any(t<0 for t in x): #if any of the solutions in x are negative
                p=np.where(x==min(x)) # find the most negative solution, p is the position

                #now store the A coefficiants of the extinct species in the Afreeze list
                Afreeze.append(A[p])
                Sex.append(-1) #given -1 value as species is extinct.

                x=np.delete(x, p, 0)
                A=np.delete(A, p, 0)
                A=np.delete(A, p, 1)
                I=np.delete(I, p, 0)

            else: 
                allpos = 1 #set allpos to one so loop is broken
        l=len(x)

        #now fill Afreeze and Sex with the remaining species that have survived
        for m in range (0, l):
            Afreeze.append(A[m])
            Sex.append(1) # value of 1 as this species has survived

        #now time to analyse the coefficiants for each species.

        for m in range (0, len(Sex)):
            X1 = sum(Afreeze[m])/len(Afreeze[m]) # this is the mean
            X2 = 0
            for p in range (len(Afreeze[m])):
                X2 = X2 + Afreeze[m][p]

            X2 = X2/len(Afreeze[m])
            Sav.append(X1)
            Svar.append(X2 - X1*X1)

    spec = []
    for b in range(0,n):
        spec.append(b)

    plt.plot(Svar,Sav)
    plt.show()
    #plt.scatter(spec, Sav)
    #plt.show()


if __name__ == '__main__':
    main()

将numpy导入为np
进口numpy.linalg
随机输入
将matplotlib.pyplot作为plt导入
进口派拉布
从scipy.optimize导入曲线\u拟合
从数组导入数组
def makeAImatrix（n）：
A=np.零（（n，n））
I=np.one（（n））
对于范围（0，n）内的i：
对于范围（i+1，n）内的j：
A[j，i]=random.random（）
对于范围（0，n）内的i：
对于范围（i+1，n）内的j：
A[i，j]=A[j，i]
对于范围（n）中的i：
A[i，i]=1
返回（A，I）
def main（）：
n=5#物种数量
t=1#要检查的矩阵数
Aflat=[]
Aflatlist=[]#矩阵列表
Aflatav=[]
Aflatvar=[]
Aflatskew=[]
remspec=[]
AFREZE=[]#这是一个向量列表，其中存储了每个灭绝物种对应的向量，如
#它被取出了。它与原始A矩阵不同，因为它只是
#在一个方向上凝聚。它也不是正方形。
性别=[]#（物种灭绝）这是一个对应于Afreeze矩阵的向量。如果一个物种灭绝了，那么
#此处存储的值将为-1。
Sav=[]#（物种平均值）每个物种的A协同效应的平均值
Svar=[]#（物种变异）
对于范围（0，t）内的k：
allpos=0
A、 I=makeAImatrix（n）
而所有的位置=1:#虽然并非所有解决方案都是积极的
x=numpy.linalg.solve（A，I）
如果有（t确定你的身份

import numpy as np
import numpy.linalg
import random
import matplotlib.pyplot as plt
import pylab
from scipy.optimize import curve_fit
from array import array

def main():
    n=20 #number of species
    spec=np.zeros((n+1))
    for i in range(0,n):
        spec[i]=i
    t=100 #initial number of matrices to check
    B = np.zeros((n+1)) #matrix to store the results of how big the matrices have to be

    for k in range (0,t):
        A=np.zeros((n,n))
        I=np.ones((n))
        for i in range(0,n):
            for j in range(i+1,n):
                A[j,i]=random.random()


        for i in range(0,n):
            for j in range(i+1,n):
                A[i,j] = A[j,i]


        for i in range(n):
            A[i,i]=1

        allpos = 0

        while allpos !=1: #while all solutions are not positive

            x = numpy.linalg.solve(A,I)
            if any(t<0 for t in x): #if any of the solutions in x are negative
                p=np.where(x==min(x)) # find the most negative solution, p is the position
                x=np.delete(x, p, 0)
                A=np.delete(A, p, 0)
                A=np.delete(A, p, 1)
                I=np.delete(I, p, 0)

            else: 
                allpos = 1 #set allpos to one so loop is broken
        l=len(x)
        B[l] = B[l]+1
    B = B/n
    pi=3.14

    resfile=open("results.txt","w")
    for i in range (0,len(spec)):
        resfile.write("%d " % spec[i])
        resfile.write("%0.6f \n" %B[i])
    resfile.close()


    plt.hist(B, bins=n)
    plt.title("Histogram")
    plt.show()

    plt.plot(spec,B)
    plt.xlabel("final number of species")
    plt.ylabel("fraction of total matrices")
    plt.title("plot")
    plt.show()
if __name__ == '__main__':
    main()

将numpy导入为np
进口numpy.linalg
随机输入
将matplotlib.pyplot作为plt导入
进口派拉布
从scipy.optimize导入曲线\u拟合
从数组导入数组
def main（）：
n=20#物种数量
规格=np.零（（n+1））
对于范围（0，n）内的i：
规格[i]=i
t=100#要检查的矩阵的初始数量
B=np.zeros（（n+1））#矩阵，用于存储矩阵大小的结果
对于范围（0，t）内的k：
A=np.零（（n，n））
I=np.one（（n））
对于范围（0，n）内的i：
对于范围（i+1，n）内的j：
A[j，i]=random.random（）
对于范围（0，n）内的i：
对于范围（i+1，n）内的j：
A[i，j]=A[j，i]
对于范围（n）中的i：
A[i，i]=1
allpos=0
while allpos！=1:#当所有解都不是正解时
x=numpy.linalg.solve（A，I）
如果有任何问题（t您的问题在本节中：

if any(t<0 for t in x): #if any of the solutions in x are negative
    p=np.where(x==min(x)) # find the most negative solution, p is the position
    #now store the A coefficiants of the extinct species in the Afreeze list
    Afreeze.append(A[p])

但我并没有尽力去遵循剧本的逻辑，这取决于你

看看这是否真的是您想要的，也许是件好事：
print
A[p][0]的值，然后再将其附加到
Afreeze

我注意到这是因为
random.random（）
在矩阵创建过程中，if语句并不总是正确的，因此问题并不总是出现。很小的细节，但可能会让人困惑。
非常抱歉…我之前发布了错误的代码，我发布了有效的代码。此新代码不起作用，因此任何输入都非常好。非常感谢您对其进行测试。第90行是版本最后一行写着main（），恐怕你的缩进还是很乱：
main（）
比上面的
if
语句缩进得少。是的，很抱歉，这太糟糕了……现在应该可以了，已经修好了！非常感谢。
if any(t<0 for t in x): 
    p=np.where(x==min(x))
    Afreeze.append(A[p][0])