TypeError: 'float' object is not callable
''' Denne feilmeldingen sier at noe som er en float, pr?ves ? bruke som en funksjon. 
Typisk for denne meldingen er at man ville gange noe, men glemte gangetegnet.
Alts? at man har skrevet a(b + c), men det skulle st? a*(b + c).'''

ValueError: x and y must have same first dimension, but have shapes (8901,) and (8900,)
''' Typisk feilmelding fra matplotlib om at listene/arrayene som skal plottes som x og y ikke har samme lengde.
I denne oppgaven skal du lage noen lister som er n+1 lang (de som integreres), mens andre vil v?re n lang. 
Hvis listen/arrayet ditt med tid-verdier er n+1 lang, og du vil plotte en av listene/arrayene med lengde n, m? du kutte det siste elementet i tid.
Du kan hente ut en del av en liste ved ? indeksere'''
part_of_my_array = my_array[from_:to]
''' Her hentes alle elementene i my_array fra indeks "from_" til, men ikke med "to"'''

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
''' Vanlig feilmelding n?r man pr?ver ? sende et helt array inn i funksjon som ikke vil la seg vektorisere.
To mulige l?sninger: 
 - tvinge funksjonen til ? la seg vektorisere med numpy sin vectorize 
 - kalle p? funksjonen i en l?kke der du sender inn kun ett element fra listen om gangen
'''

ValueError: setting an array element with a sequence.
'''
Det er mange utregninger ? holde styr p? i denne oppgaven. Mange av disse verdiene kan v?re lurt ? lagre i lister. 
Feilmeldingen kan ofte bety at du glemte ? indeksere listen da du skulle hente en verdi til en utregning.
Dette ser typisk slik ut:'''
array1[i] = array2 + other_stuff
''' men skulle kanskje se slik ut:'''
array1[i] = array2[i] + other_stuff
'''
husk at hvis du sender et numpy-array inn i en funksjon, s? f?r du et numpy-array av samme lengde tilbake.
'''

TypeError: 'numpy.float64' object cannot be interpreted as an integer
'''
til indeksering, range og lengde p? array, M? det v?re integer. 
Noen ganger er tallet ditt egentlig et heltall, men er likevel feil type. 
1) 40.3 -> kan ikke brukes til dette
2) 40.0 -> kan du typisk f? feilmeldingen over
3) 40 -> perfekt!

til tilfelle 2):
'''
my_array =  np.linspace(0, 8, 5)		# inneholder kun heltall, ingen desimaltall
num = my_array[1]						# num er n? tallet 2, men av type numpy.float64
num = int(num)							# n? er den integer!
''''''

RuntimeWarning: overflow encountered in long_scalars
'''
En overflow er n?r et tall er for stort for typen det er castet til (og da blir lest som et stort negativt tall),
vanligvis vil python fikse dette, men det er en bug som forekommer p? windows-pcene p? uio (S? dette kan og skje p? windows-pcene deres).
Her vil vi bare anbefale ? bruke linux-maskinene eller din egen pc istedenfor (Hvis buggen er p? din pc, bruk linux-maskin).
'''