Как я могу эффективно рассчитывать градиенты без каких-либо выходных данных NaN? ⇐ Python

[Anonymous]

Я хочу вычислить частные производные, которые я пытался сделать, используя конечную разность, давая мне NaN.
Затем я попробовал использовать функцию градиента, но выдал ошибку, поскольку

ValueError: установка элемента массива с последовательностью. Запрошенный массив имеет неоднородную форму после двух измерений. Обнаруженная форма была (2, 2) + неоднородная часть.

В конечном итоге это не позволяет мне вычислить матрицу Якоби.
Как я могу эффективно вычислять градиенты без каких-либо выходных данных NaN?
В приведенном ниже коде функция find_intersection определяет пересечение нулевых линий.
def find_intersections(g1_grid):
intersections = []
f = lambda g: float(I_null_func(g) - I_nc_func(g))
tol = 1e-5
for i in range(len(g1_grid) - 1):
g1_a = g1_grid
g1_b = g1_grid[i + 1]
fa = f(g1_a); fb = f(g1_b)
if np.isnan(fa) or np.isnan(fb):
continue
if abs(fa) < tol:
intersections.append((g1_a, float(I_null_func(g1_a))))
continue
if abs(fb) < tol:
intersections.append((g1_b, float(I_null_func(g1_b))))
continue
if fa * fb < 0:
try:
g_root = brentq(lambda gg: f(gg), g1_a, g1_b, xtol=1e-10, rtol=1e-10, maxiter=200)
intersections.append((g_root, float(I_null_func(g_root))))
except Exception:
pass
return intersections

pts = find_intersections(g1_array)
def jacobian_nonlin(f, g, g1_star, I_star, h=1e-5):

#dfdg1 = (f(g1_star+h, I_star) - f(g1_star-h, I_star))/(2*h)
dI_null_dg1 = np.gradient(I_null_clean, g1_clean)
dfdg1=dI_null_dg1
dfdI = (f(g1_star, I_star+h) - f(g1_star, I_star-h))/(2*h)

#dgdg1 = (g(g1_star+h, I_star) - g(g1_star-h, I_star))/(2*h)
dI_nc_dg1 = np.gradient(I_nc_clean, g1_clean)
dgdg1=dI_nc_dg1
dgdI = (g(g1_star, I_star+h) - g(g1_star, I_star-h))/(2*h)

J = np.array([[dfdg1, dfdI],[dgdg1, dgdI]])
return J


Подробнее здесь: https://stackoverflow.com/questions/798 ... an-outputs