Ignorieren Division durch 0 warning in python

Habe ich eine Funktion für die Statistik Fragen:

import numpy as np
from scipy.special import gamma as Gamma

def Foo(xdata):
    ...
    return x1 * (
                 ( #R is a numpy vector
                  ( ((R - x2)/beta) ** (x3 -1) ) * 
                  ( np.exp( - ((R - x2) / x4) ) ) /
                  ( x4 * Gamma(x3))
                 ).real
                )

Manchmal bekomme ich von der shell die folgende Warnung:

RuntimeWarning: divide by zero encountered in...

Ich die numpy isinf Funktion zu korrigieren die Ergebnisse der Funktion in anderen Dateien wo ich brauche. so, ich muss nicht gewarnt werden.

Es ist ein Weg, um die Meldung zu ignorieren?
In anderen Worten, ich will nicht, dass die shell diese Nachricht drucken.

Möchte ich nicht deaktivieren, alle python-Warnung, nur dieses eine.

InformationsquelleAutor der Frage overcomer | 2015-04-29

  1. 44

    Können Sie deaktivieren Sie die Warnung mit numpy.seterr. Setzen Sie diese, bevor Sie die mögliche division durch null:

    np.seterr(divide='ignore')

    Werde, dass deaktivieren zero division Warnungen Global. Wenn Sie nur wollen, deaktivieren Sie Sie, für ein wenig, können Sie numpy.errstate in einem with Klausel:

    with np.errstate(divide='ignore'):
    # some code here

    Für eine null-durch-null-division (unbestimmte Ergebnisse in einem NaN), wird der Fehler-Verhalten hat sich geändert mit numpy version 1.12.0: dieser wird nun als "ungültig", während zuvor war es "teilen".

    So, wenn es gibt eine chance, dass Sie Ihre Zähler kann null sein, wie auch, verwenden

    np.seterr(divide='ignore', invalid='ignore')

    oder

    with np.errstate(divide='ignore', invalid='ignore'):
    # some code here

    Finden Sie unter "Kompatibilität" Abschnitt in der release notesletzter Absatz vor dem "Neuen Features" Abschnitt:

    Vergleich NaN floating-point-zahlen jetzt wirft die ungültige runtime-Warnung. Wenn ein NaN wird erwartet, dass die Warnung kann ignoriert werden, mit np.errstate.

    InformationsquelleAutor der Antwort dddsnn

  2. 4

    Könnten Sie auch numpy.divide für die division. So dass Sie nicht haben, um explizit deaktivieren Sie Warnungen.

    In [725]: np.divide(2, 0)
Out[725]: 0

    InformationsquelleAutor der Antwort fixxxer

Schreibe einen Kommentar