防止「；索引0超出大小为0的轴0的界限；Python中的错误

我有一个代码，在该代码中，我在函数图上得到了点的特定分布

tan（）

从底部和顶部通过直线进行限制：

import matplotlib.pyplot as plt
import numpy as np
import sys
import itertools
import multiprocessing
import tqdm

ic = range(1,10)
jc = range(1,10)

paramlist = list(itertools.product(ic,jc))

def func(params):
        ic = params[0]
        jc = params[1]

        fig = plt.figure(1, figsize=(10,6))

        x_all   = np.linspace(0, 10*np.pi, 10000, endpoint=False)
        x_above = x_all[ (-0.01)*ic*x_all < np.tan(x_all) ]
        x       = x_above[ np.tan(x_above) < 0.01*jc*x_above ]
        y       = np.tan(x)
        y2      = 0.01*jc*x
        y3      = (-0.01)*ic*x

        y_up   = np.diff(y) > 0
        y_diff = np.where( y_up, np.diff(y), 0 )
        x_diff = np.where( y_up, np.diff(x), 0 )
        diffs  = np.sqrt( x_diff**2 + y_diff**2 )
        length = diffs.sum()

        numbers = [2,4,6,8,10,12,14,16,18,20]

        p2 = []
        for d in range(len(numbers)):
            cumlenth = np.cumsum(diffs)
            s = np.abs(np.diff(np.sign(cumlenth-numbers[d]))).astype(bool)
            c = np.argwhere(s)[0][0]
            p = x[c], y[c]
            p2.append(p)

        p3 = sorted(p2, key=lambda x: x[0])
        x_max = p3[len(p3)-1][0]
        p4 = sorted(p2, key=lambda x: x[1])
        y_min = p4[0][1]
        y_max = p4[len(p3)-1][1]


        for b in range(len(p2)):
            plt.scatter( p2[b][0], p2[b][1], color="crimson", s=8)

        plt.plot(x, np.tan(x))
        plt.plot(x, y2)
        plt.plot(x, y3)

        ax = plt.gca()
        ax.set_xlim([0, x_max+0.5])
        ax.set_ylim([y_min-0.5, y_max+0.5]) 

        plt.savefig('C:\\Users\\tkp\\Desktop\\wykresy_4\\i='+str(ic)+'_j='+str(jc)+'.png', bbox_inches='tight')
        plt.show()

if __name__ == '__main__':

    p = multiprocessing.Pool(4)
    for params in tqdm.tqdm(p.imap_unordered(func, paramlist), total=len(paramlist)):
        #pass
        sys.stdout.write('\r'+ str(params))
        sys.stdout.flush()

    p.close()
    p.join()

导入matplotlib.pyplot作为plt
将numpy作为np导入
导入系统
进口itertools
导入多处理
导入TQM
ic=范围（1,10）
jc=范围（1,10）
paramlist=list（itertools.product（ic，jc））
def func（参数）：
ic=参数[0]
jc=params[1]
图=plt.图（1，图尺寸=（10,6））
x_all=np.linspace（0,10*np.pi，10000，端点=False）
上面的x_=x_all[（-0.01）*ic*x_all0
y_diff=np.where（y_up，np.diff（y），0）
x_diff=np.where（y_up，np.diff（x），0）
差异=np.sqrt（x_差异**2+y_差异**2）
长度=差值和（）
数字=[2,4,6,8,10,12,14,16,18,20]
p2=[]
对于范围内的d（长度（数字））：
cumlenth=np.累积和（差异）
s=np.abs（np.diff（np.sign（cumlenth number[d]）））.astype（bool）
c=np.arg，其中[0][0]
p=x[c]，y[c]
p2.追加（p）
p3=已排序（p2，键=λx:x[0]）
x_max=p3[len（p3）-1][0]
p4=已排序（p2，key=lambda x:x[1]）
y_min=p4[0][1]
y_max=p4[len（p3）-1][1]
对于范围内的b（len（p2））：
plt.散射（p2[b][0]，p2[b][1]，color=“crimson”，s=8）
平面图（x，np.tan（x））
平面图（x，y2）
plt.图（x，y3）
ax=plt.gca（）
ax.set_xlim（[0，x_max+0.5]）
ax.set_ylim（[y_min-0.5，y_max+0.5]）
plt.savefig（'C:\\Users\\tkp\\Desktop\\wykresy_4\\i='+str（ic）+''uj='+str（jc）+'.png'，bbox_inches='tight'）
plt.show（）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
p=多处理池（4）
对于tqdm.tqdm中的参数（p.imap_无序（func，paramlist），total=len（paramlist））：
#通过
sys.stdout.write（'\r'+str（参数））
sys.stdout.flush（）
p、 关闭（）
p、 加入

其中，例如，我接收到绘图：

---

问题是，如果我将

x_all=np.linspace（0，10*np.pi，10000，endpoint=False）中的范围设置得太小，

我得到的错误

索引0超出了大小为0的轴0的界限。我怎样才能保护你自己不受这种伤害？或者在这种情况下，我可以在“linspace”函数中设置一个变量范围
 此错误发生在哪里？这是一个基本的信息-对我们来说，尤其是对你

@爱迪生说它在
argwhere
表达式中。我将尝试重新创建该步骤，首先猜测
diff
看起来像什么：

In [8]: x = np.ones(5)*.1                                                       
In [9]: x                                                                       
Out[9]: array([0.1, 0.1, 0.1, 0.1, 0.1])
In [10]: s = np.cumsum(x)                                                       
In [11]: s                                                                      
Out[11]: array([0.1, 0.2, 0.3, 0.4, 0.5])
In [12]: s-1                                                                    
Out[12]: array([-0.9, -0.8, -0.7, -0.6, -0.5])
In [13]: np.sign(s-1)                                                           
Out[13]: array([-1., -1., -1., -1., -1.])
In [14]: np.diff(np.sign(s-1))                                                  
Out[14]: array([0., 0., 0., 0.])
In [15]: np.abs(np.diff(np.sign(s-1)))                                          
Out[15]: array([0., 0., 0., 0.])
In [16]: np.abs(np.diff(np.sign(s-1))).astype(bool)                             
Out[16]: array([False, False, False, False])

不管到目前为止的细节如何，很可能
s
是一个只包含
False
的数组
其中
查找该数组中的
True
元素；没有

In [17]: np.where(_)                                                            
Out[17]: (array([], dtype=int64),)

arg其中
是此项的转置-每个维度一列，每个找到的项一行

In [18]: np.argwhere(_)                                                         
Out[18]: array([], shape=(0, 2), dtype=int64)
In [19]: _[0]                                                                   
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-19-aa79beb95eae> in <module>
----> 1 _[0]

IndexError: index 0 is out of bounds for axis 0 with size 0

您可以从那里向后操作，注意确保
差异
或
数字
正确，并始终找到有效的
c
。但是不管怎样，当使用
where
或
argwhere
时，请小心假设它已找到给定数量的项。
此错误发生在哪里？这是一个基本的信息-对我们来说，尤其是对你

@爱迪生说它在
argwhere
表达式中。我将尝试重新创建该步骤，首先猜测
diff
看起来像什么：

In [8]: x = np.ones(5)*.1                                                       
In [9]: x                                                                       
Out[9]: array([0.1, 0.1, 0.1, 0.1, 0.1])
In [10]: s = np.cumsum(x)                                                       
In [11]: s                                                                      
Out[11]: array([0.1, 0.2, 0.3, 0.4, 0.5])
In [12]: s-1                                                                    
Out[12]: array([-0.9, -0.8, -0.7, -0.6, -0.5])
In [13]: np.sign(s-1)                                                           
Out[13]: array([-1., -1., -1., -1., -1.])
In [14]: np.diff(np.sign(s-1))                                                  
Out[14]: array([0., 0., 0., 0.])
In [15]: np.abs(np.diff(np.sign(s-1)))                                          
Out[15]: array([0., 0., 0., 0.])
In [16]: np.abs(np.diff(np.sign(s-1))).astype(bool)                             
Out[16]: array([False, False, False, False])

不管到目前为止的细节如何，很可能
s
是一个只包含
False
的数组
其中
查找该数组中的
True
元素；没有

In [17]: np.where(_)                                                            
Out[17]: (array([], dtype=int64),)

arg其中
是此项的转置-每个维度一列，每个找到的项一行

In [18]: np.argwhere(_)                                                         
Out[18]: array([], shape=(0, 2), dtype=int64)
In [19]: _[0]                                                                   
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-19-aa79beb95eae> in <module>
----> 1 _[0]

IndexError: index 0 is out of bounds for axis 0 with size 0

您可以从那里向后操作，注意确保
差异
或
数字
正确，并始终找到有效的
c
。但不管怎样，当使用
where
或
argwhere
时，请小心假设它已找到给定数量的项。
您是否试图阻止程序自动关闭或希望能够重新键入它？@edison更好的方法是能够重新键入它。但这些情况可能并不重要，忽略它们可能就足够了。tqdm中参数的问题可能在
处。tqdm（p.imap_unordered（func，paramlist），total=len（paramlist））：
@edison是的，但它与
linspace
设置有关。因为如果我更改
stop=100*np.pi
则没有问题。执行
c=np.argwhere[0][0]
时会发生错误。“您是在试图阻止程序自动关闭还是希望能够重新键入它？@edison更好的方法是能够重新键入它。但这些情况可能并不重要，忽略它们可能就足够了。tqdm中参数的问题可能在
处。tqdm（p.imap_unordered（func，paramlist），total=len（paramlist））：
@edison是的，但它与
linspace
设置有关。因为如果我更改
stop=100*np.pi
则没有问题。执行
c=np.argwhere[0][0]
```