如何绘制[sin(nx)/sin(x)]²函数？遇NaN值及除法警告求解

问题本质 #

你遇到的NaN和除法警告，核心原因是数组中存在某些x值，使得分母np.sin(alpha * x * np.pi)等于0：

• 当alpha * x * np.pi = kπ（k为整数）时，sin(alpha * x * np.pi) = 0，此时做除法会触发除以0的错误，得到NaN。
• 代入你的alpha≈0.452，计算x = k/alpha，k取1到13时，x值在2.212到28.761之间，刚好落在你0.001到30的取值范围内，这些位置就是触发问题的点。
• 你用linspace时没出问题，只是因为linspace生成的点刚好避开了这些临界x值，不是真的没有问题。

临时方案的局限性 #

你用x[np.sin(x) != 0]过滤的方法，会直接丢弃这些临界位置的元素，导致数组长度变化，后续绘图时可能出现数据缺失的问题。

正确解决方法 #

利用数学极限处理这些临界值：当sin(a)→0时，sin(n*a)/sin(a)的极限是n（平方后为n²）。可以用numpy的掩码或np.where实现，既保留所有元素，又避免除以0：

代码示例 #

import numpy as np

def fun(x, n, alpha, beta):
    # 计算分母
    denom = np.sin(alpha * x * np.pi)
    # 处理浮点数精度，用极小值判断分母是否接近0
    zero_mask = np.abs(denom) < 1e-10
    
    # 计算比值平方：非0位置正常计算，0位置赋值n²
    ratio_sq = np.where(
        zero_mask,
        n**2,
        (np.sin(n * alpha * x * np.pi) / denom)**2
    )
    
    # 乘以sinc项返回结果
    return (np.sinc(beta * x)**2) * ratio_sq

关键说明 #

• 用np.abs(denom) < 1e-10而非直接denom == 0：因为浮点数计算存在精度误差，真正等于0的情况很少，更多是接近0的极小值，直接判等会漏掉这些点。
• np.where会保持原数组的形状，不会丢失数据，后续绘图可以正常使用完整的x和y数组。

内容的提问来源于stack exchange，提问作者Trasen56