numpy FloatingPointError：减法中遇到无效值-无法重现？

Question

我遇到FloatingPointError: invalid value encountered in subtract了一段测试代码。在没有对代码本身进行任何更改的情况下开始引发异常，因此我在理解它方面遇到了很多麻烦。

我的问题：导致invalid value encountered in subtract异常的原因是什么？为什么在不同的python + numpy安装上它会表现不同？

细节：

这MWE并没有提出一个FloatingPointError：

>>> import numpy as np
>>> np.__version__
 '1.6.1'
>>> x = np.arange(5,dtype='float64')
>>> y = np.ones(5,dtype='float64')
>>> x[2]=np.nan
>>> x-y
# array([ -1.,   0.,  nan,   2.,   3.])

但是，在一段代码的深处，我减去了两个np.float64 ndarray对象，并得到一个浮点异常。导致异常的数组包含一些非常大和很小的数字（例如1e307和1e-307）和一些nans，但是我没有对这些数字进行任何组合来单独进行异常测试。

更令人不安的是，我有大量的Jenkins测试网格，它们使用numpy，matplotlib，python和scipy的许多版本运行完全相同的代码，但没有一个引发此异常。我现在迷路了-我不知道是否存在错误，或者是否存在错误，如何进行跟踪。

如果您对病态好奇，可以考虑使用的代码为pyspeckit，并且测试在第20行失败test_hr2421.py。

编辑：后续操作-我认为这np.seterr(invalid='raise')是一个小片段：在我正在导入的模块中，特别是在pymc中被调用，并且pull请求自此阻止了此更改。

Answer 1

Numpy 对于如何处理浮点错误具有可配置的行为。默认情况下，下溢错误会被忽略，而其他错误则会触发警告。对于每个类别，用户可以使用 更改此行为numpy.seterr。这些设置是全局的 \xe2\x80\x94 这里没有命名空间；因此，如果一个库调用numpy.seterr(all=\'raise\')，那么这将影响整个程序，直到numpy.seterr再次调用。

\n

您可以确认这确实是您问题的原因

\n

print(numpy.seterr())\n

\n

应该输出类似的内容

\n

{\'divide\': \'warn\', \'over\': \'warn\', \'under\': \'ignore\', \'invalid\': \'warn\'}\n

\n

如果其中一些类别具有 value raise，特别是 key \'invalid\'，那么这将解释您所观察到的行为。

\n

您可以通过调用numpy.seterr(invalid=\'warn\')、 或 来抑制此异常invalid=\'ignore\'。有关可能错误的完整列表，请阅读 的文档numpy.seterr。

\n

您还可以使用上下文管理器来临时更改行为：

\n

In [12]: x = np.arange(-5, 5,dtype=\'float64\')\n\nIn [13]: with np.errstate(divide="raise"):\n    print(1/x)\n   ....:     \n---------------------------------------------------------------------------\nFloatingPointError                        Traceback (most recent call last)\n<ipython-input-13-881589fdcb7a> in <module>()\n      1 with np.errstate(divide="raise"):\n----> 2     print(1/x)\n      3 \n\nFloatingPointError: divide by zero encountered in true_divide\n\nIn [14]: with np.errstate(divide="warn"):\n    print(1/x)\n   ....:     \n/home/users/gholl/venv/stable-3.5/bin/ipython3:2: RuntimeWarning: divide by zero encountered in true_divide\n  \n[-0.2        -0.25       -0.33333333 -0.5        -1.                 inf\n  1.          0.5         0.33333333  0.25      ]\n\nIn [15]: with np.errstate(divide="ignore"):\n    print(1/x)\n   ....:     \n[-0.2        -0.25       -0.33333333 -0.5        -1.                 inf\n  1.          0.5         0.33333333  0.25      ]\n

\n

我倾向于将整个代码包装在一个with np.errstate(all="raise")块中，然后使用上下文管理器忽略特定条件，如果我确定问题不是隐藏错误 \xe2\x80\x94 ，但它通常是这样。

\n

如果确实有一个库永久地改变了状态，我会向维护者提出问题或发送拉取请求，因为他们确实应该使用上下文管理器，这样他们的更改设置仅适用于他们的代码块，而不适用于程序的其余部分。

\n