c中double类型返回值为-1.#IND000000000000

最新推荐文章于 2023-08-21 16:40:27 发布
最新推荐文章于 2023-08-21 16:40:27 发布
阅读量1k 收藏 1
点赞数
分类专栏： C++ 文章标签： c++
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43248127/article/details/128588055
版权

问题：
c中double类型返回值为-1.#IND000000000000。

原因：
-1.#IND000000000000 表明返回的不是一个有效的double值。可以用_isnan函数判断。

	#include <float.h>
	// ...
	if(_isnan(values[0]) != 0 ){
		int i = 3;
	}
草丛中的蝈蝈
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
IND-0623-GW5200-1.pdf
03-18
GW52x0 是一款先进的摄像头视频处理器 (CVP) 片上系统 (SoC)，专为高级驾驶员辅助系统 (ADAS) 设计。 GW52x0 包括独立的创新高动态范围 (HDR) 图像信号处理器 (ISP)、专有的第五代 eWARP几何处理器和 2D 图形功能。 ...
C++中数据值为-1.#IND000000000000
灰灰要坐冷板凳
05-24 1万+
当变量值为： -1.#IND000000000000 时，就是变量 （NAN）Not-A-Number 当一个运算非法，比如log(0), m/0 等情况时会得到 -1.#IND000000000000 另外如果一个表达式中不管加减乘除什么的，只要有一个数值为NAN，则该表达式的结果都是NAN 在math.h中可以用函数 isnan(num) 来判断，当num 为NAN的时候返回 true，
NAN，IND，INF，DEN的概念
lemon的空间
04-02 6018
1）NAN - Not A Number。意思是不是一个数值。VS调试显示类似”1.#QNAN00000000000“。 产生原因：无意义的算术计算如负数开方。判断方法：包含float.h头文件，调用_isnan()。 2）IND - Indeterminate Number。意思是不确定数值。VS调试显示类似“1.#IND000000000000”。 是NAN的一种特殊情况。产生原因：0除
-1.#IND,1.#INF 的判断
热门推荐
飞龙马的专栏
07-24 2万+
C/C++程序运行有时候会出现-1.#IND,1.#INF 一般来说是除数为0得出的结果，INF就是infinite，就是无穷大的意思；IND可能表示很小，不确定。 使用类似于pow, exp等等函数时常会产生一个无效数字1.#IND00，在VC下可以通过与一个确定数字比较大小来判断是否产生了无效数字，但这个方法在DEV-CPP下却是行不通的。 其实解决办法很简单，使用   float.h中
-1.#IND0 1.#qnan0
北京的开始
05-04 4536
在VS遇到-1.#IND000000000000一般是除数分母为0导致 还有在acos(a/b),当 a=1 b = 1也可能出现这种情况  -1.#IND000000000000  1.#qnan0  /0的缘故，即使是0/0也可能会出现这种情况
ASSERT: "width > 0.0" in file painting\qrasterizer.cpp, line 710
轻疯 清风
02-07 2594
使用qt时，这样的中断会出现在试图渲染具有类似{x=-1.#IND000000000000 y=-1.#IND000000000000} 这样坐标的点的时候。
C++中“-1.#IND”错误原因
mons_xujingtao的博客
07-09 1万+
在输出float型变量数据是，可能会出现如图所示的错误这是可能是因为在对变量进行数学运算时，变量不符合运算的格式，比如对负数开平方，对负数取对数，0.0/0.0，0.0*∞, ∞/∞ 等。如果有时候因为算法逻辑的原因，无法避免除数为0的情况，可以把一些初始值设为一个很小的值。...
C语言中特殊浮点数：-1.#IND00和NAN
jmhIcoding
09-20 1万+
前言在C语言的浮点数：float,double中存在一类特别的数：-1.#IND。我们有时会看到它。比如：float tmp =sqrt(-1); 此时tmp的值就是-1.#INDIND其实就是Implementation Not define的意思，也就是说这个是未定义或者他不是一个数。 那么-1.#IND00是如何在内存中存储的呢？根据IEEE 745规定： 类别 正负号 实际指数
C语言调试输出变量为-1.#IND00 -1.#INF00 1.#INF00
x故里草木深的博客
01-19 1万+
-1.#IND00：程序中有不合法的计算，比如对一个负数开根号，或者求log(-1)这些等等； -1.#INF00：计算结果为负无穷，比如求-1/0; 1.#INF00：计算结果为正无穷，比如1/0； ...
1.#INF、-1.#INF、1.#IND、-1.#IND 问题
zhaojunwuiris的博客
11-02 1万+
在运行C++程序时，结果中出现-1#IND，发现计算结果是错误的，就在网上搜了一些资料，总结了下。 C/C++程序运行有时候会出现-1.#IND,1.#INF 1.#INF：这个值表示“无穷大inf (infinity 的缩写)”，即超出了计算机可以表示的浮点数的最大范围（或者说超过了 double 类型的最大值）。一般来说是除数为0得出的结果，例如，当一个整数除以0时便会得到一个1.#INF...
浮点数计算常见错误1.#INF, 1.#IND和#QNAN
novanova2009的博客
04-24 8500
编程时，可能会从您的代码中产生某些错误条件。如果编译器捕获任何编译错误，它将停止编译并告诉您错误所在位置。编译器还可能会对某些构造发出警告，这些构造可能会或可能不会在运行期间给您带来问题。 以下是您作为程序员在执行浮点算术（任何加法、减法、乘法和除法）时应注意的一些浮点条件，即（QNAN 和 SNAN）条件和错误。 正数 负数 意义 1.#INF -1.#INF Infinity无穷大 1.#SNAN -1.#SNAN Signalling NaN .
AN-IND-1-026-DoIP-in-CANoe.pdf
02-17
DoIP配置在CANoe中的操作
spring-cloud-starter-alibaba-sentinel-2021.1-API文档-中英对照版.zip
05-04
赠送jar包：spring-cloud-starter-alibaba-sentinel-2021.1.jar； 赠送原API文档：spring-cloud-starter-alibaba-sentinel-2021.1-javadoc.jar； 赠送源代码：spring-cloud-starter-alibaba-sentinel-2021.1-sources...
array2ind:对内置 sub2ind 的修改。-matlab开发
06-01
ind = array2ind(SIZE, COORDINATES_AS_ARRAY) 例子： g = 魔法（5）； ind = array2ind([5 5], [3 2]) 克（指数） 返回与调用相同的值 g(3,2) 当矩阵元素的坐标存储为数组并避免当前方法时很有用： b = [3 2]...
Store-ind-10002.exe
11-23
Store-ind-10002.exe
-1.#IND0
铁索寒
04-26 2304
浮点数越界或者无效-1.#IND0 一般是发生了除数为0的情况，还有可能是结果无穷小~ 仔细检查程序中的运算部分
【Java 数据转换】double类型的数据，返回数值是NAN（119）
最新发布
qq_42139049的博客
08-21 357
1.double类型的数据当分母的数值趋近0的时候，返回来的数值是NAN
-1.#ind
向天空满舵~
04-30 537
向天空满舵！ 除零溢出！！！    1/0 一般出现在除数为零的情况下 例： #include #include using namespace std; int main() { int a; double x,y; cin>>a; x=1; y=1/2*(x+a/x);
浮点数编程易出现错误
www.keything.net
03-16 3548
进行浮点数编程时，如果没有注意，常常会出现输出类似 1.#IND, 1.#INF 或者 nan, inf 之类奇怪的输出。这通常隐含了浮点数操作的异常。 特殊浮点数的含义 1.#INF / inf：这个值表示“无穷大 (infinity 的缩写)”，即超出了计算机可以表示的浮点数的最大范围（或者说超过了 double 类型的最大值）。例如，当用 0 除一个整数时便会得到一个1.#INF / i
#------（一）方法1：基于指标体系1的结果---- #--------1.数据导入------------- library(xlsx) d1.1 <- read.xlsx('data.xlsx', '2022', encoding = "UTF-8") #读取数据 head(d1.1,10) colnames(d1.1) d1 <- d1.1[,5:ncol(d1.1)] d1 <- abs(d1) #---------2.归一化处理--------------- Rescale = function(x, type=1) { # type=1正向指标, type=2负向指标 rng = range(x, na.rm = TRUE) if (type == 1) { (x - rng[1]) / (rng[2] - rng[1]) } else { (rng[2] - x) / (rng[2] - rng[1]) } } #---------3.熵值法步骤---------- #定义熵值函数 Entropy = function(x) { entropy=array(data = NA, dim = ncol(x),dimnames = NULL) j=1 while (j<=ncol(x)) { value=0 i=1 while (i<=nrow(x)) { if (x[i,j]==0) { (value=value) } else { (value=value+x[i,j]log(x[i,j])) } i=i+1 } entropy[j]=value(-1/log(nrow(x))) j=j+1 } return(entropy) } Entropy_Weight = function(X, index) { pos = which(index == 1) neg = which(index != 1) X[,pos] = lapply(X[,pos], Rescale, type=1) X[,neg] = lapply(X[,neg], Rescale, type=2) P = data.frame(lapply(X, function(x) x / sum(x))) e = Entropy(P) d = 1 - e # 计算信息熵冗余度 w = d / sum(d) # 计算权重向量 list(X = X,P = P, w=w) } #-------4.代入数据计算权重----- # -------二级指标权重------ ind=array(rep(1,ncol(d1))) aa=Entropy_Weight(X = d1,index = ind) weight=as.data.frame(aa["w"]) weigh X <- as.data.frame(aa["X"]) X P <- as.data.frame(aa["P"]) P d1.a <- X[,c(grep("A",colnames(X)))] d1.b <- X[,c(grep("B",colnames(X)))] d1.c <- X[,c(grep("C",colnames(X)))] d1a <- as.matrix(d1.a) d1b <- as.matrix(d1.b) d1c <- as.matrix(d1.c) n1 <- ncol(d1a) n2 <- ncol(d1b) n3 <- ncol(d1c) wa <- weight[1:n1,1] wb <- weight[(n1+1):(n1+n2),1] wc <- weight[(n1+n2+1):(n1+n2+n3),1] wa <- as.matrix(wa,ncol =1) wb <- as.matrix(wb,ncol =1) wc <- as.matrix(wc,ncol =1) indexa <- d1a%%wa indexb <- d1b%%wb indexc <- d1c%*%wc d1abc <- cbind(indexa,indexb,indexc) 参考以上代码，用不同一级指标下分别计算二级指标权重,再求一级指标权重
06-10
好的，根据你的要求，我会根据以上代码，对不同一级指标下分别计算二级指标权重，并求一级指标权重。 首先，我们需要导入数据并进行数据预处理，包括归一化处理等。然后，我们需要定义熵值函数和熵权法函数，最后代入数据计算权重。 以下为代码实现： #-------1.数据导入------------- library(xlsx) d1.1 <- read.xlsx('data.xlsx', '2022', encoding = "UTF-8") #读取数据 head(d1.1,10) colnames(d1.1) d1 <- d1.1[,5:ncol(d1.1)] d1 <- abs(d1) #-------2.归一化处理--------------- Rescale = function(x, type=1) { # type=1正向指标, type=2负向指标 rng = range(x, na.rm = TRUE) if (type == 1) { (x - rng[1]) / (rng[2] - rng[1]) } else { (rng[2] - x) / (rng[2] - rng[1]) } } #-------3.熵值法步骤---------- #定义熵值函数 Entropy = function(x) { entropy=array(data = NA, dim = ncol(x),dimnames = NULL) j=1 while (j<=ncol(x)) { value=0 i=1 while (i<=nrow(x)) { if (x[i,j]==0) { (value=value) } else { (value=value+x[i,j]log(x[i,j])) } i=i+1 } entropy[j]=value(-1/log(nrow(x))) j=j+1 } return(entropy) } #定义熵权法函数 Entropy_Weight = function(X, index) { pos = which(index == 1) neg = which(index != 1) X[,pos] = lapply(X[,pos], Rescale, type=1) X[,neg] = lapply(X[,neg], Rescale, type=2) P = data.frame(lapply(X, function(x) x / sum(x))) e = Entropy(P) d = 1 - e # 计算信息熵冗余度 w = d / sum(d) # 计算权重向量 list(X = X,P = P, w=w) } #-------4.代入数据计算权重----- # -------一级指标权重------ ind1=array(c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)) aa1=Entropy_Weight(X = d1,index = ind1) weight1=as.data.frame(aa1["w"]) weight1 # -------二级指标权重------ d1a <- d1[,c(1:6)] d1b <- d1[,c(7:12)] d1c <- d1[,c(13:18)] #一级指标A下的二级指标权重 ind2a=array(c(1,1,1,1,1,1)) aa2a=Entropy_Weight(X = d1a,index = ind2a) weight2a=as.data.frame(aa2a["w"]) weight2a #一级指标B下的二级指标权重 ind2b=array(c(1,1,1,1,1,1)) aa2b=Entropy_Weight(X = d1b,index = ind2b) weight2b=as.data.frame(aa2b["w"]) weight2b #一级指标C下的二级指标权重 ind2c=array(c(1,1,1,1,1,1)) aa2c=Entropy_Weight(X = d1c,index = ind2c) weight2c=as.data.frame(aa2c["w"]) weight2c #计算一级指标权重 w1a <- weight2a[1:6,1] w1b <- weight2b[1:6,1] w1c <- weight2c[1:6,1] w1a <- as.matrix(w1a,ncol =1) w1b <- as.matrix(w1b,ncol =1) w1c <- as.matrix(w1c,ncol =1) indexa <- d1a%*%w1a indexb <- d1b%*%w1b indexc <- d1c%*%w1c d1abc <- cbind(indexa,indexb,indexc) ind1abc=array(c(1,1,1)) aa1abc=Entropy_Weight(X = d1abc,index = ind1abc) weight1abc=as.data.frame(aa1abc["w"]) weight1abc

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

草丛中的蝈蝈

您的鼓励是我最大的动力....

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值