Python 3.x 如何摆脱；RuntimeWarning:在“较大”中遇到无效值；

这个问题与许多与警告相关的问题非常相似

RuntimeWarning:agreer/less/etc中遇到的值无效

然而，我找不到解决我的问题的方法，我认为应该有一个

因此，我有一个类似于这个的
numpy.ndarray
：

array([[ nan,   1.,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       ..., 
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan]])

我想计算
array>0.5
，这正好给出了我想要的结果，但带有与
nan
进行比较的警告：

__main__:1: RuntimeWarning: invalid value encountered in greater
Out[68]: 
array([[False,  True, False, ..., False, False, False],
       [False, False, False, ..., False, False, False],
       [False, False, False, ..., False, False, False],
       ..., 
       [False, False, False, ..., False, False, False],
       [False, False, False, ..., False, False, False],
       [False, False, False, ..., False, False, False]], dtype=bool)

我基本上想计算
array>0.5
，但没有显示警告

我的限制：


我不想用np.errstate（invalid='ignore'）：
我需要维护原始数组，因此无法更改它

我提出了一个简单的解决方案：


更改原始矩阵中的
nan
（
array[np.isnan（array）]=-np.inf
），在我进行比较后将其恢复回来（
array[array=-np.inf]=np.nan
）

但我认为这只是在浪费时间，所有这些计算，而（我认为）它应该存在一种直接的方法来立即进行。我一直在探索
numpy.ma
模块和
numpy.where
函数，但我找不到我想要的“直接”解决方案

对此有何想法？
每当比较至少包含一个NaN的数组时，您都会收到该警告。解决方案是使用
掩蔽
仅比较非NaN元素，我们将尝试使用一个通用解决方案，在的帮助下覆盖所有类型的比较，如下所示-

def compare_nan_array(func, a, thresh):
    out = ~np.isnan(a)
    out[out] = func(a[out] , thresh)
    return out

其想法是：


获得非南的面具

使用它从输入数组中获取非NaN值。然后执行所需的比较（大于、大于等于等）以获得另一个掩码，该掩码表示已屏蔽位置的已比较掩码输出

使用此选项优化非NAN的掩码，这是最终输出


样本运行-

In [41]: np.random.seed(0)

In [42]: a = np.random.randint(0,9,(4,5)).astype(float)

In [43]: a.ravel()[np.random.choice(a.size, 16, replace=0)] = np.nan

In [44]: a
Out[44]: 
array([[ nan,  nan,  nan,  nan,  nan],
       [ nan,  nan,  nan,   4.,   7.],
       [ nan,  nan,  nan,   1.,  nan],
       [ nan,   7.,  nan,  nan,  nan]])

In [45]: a > 5  # Shows warning with the usual comparison
__main__:1: RuntimeWarning: invalid value encountered in greater
Out[45]: 
array([[False, False, False, False, False],
       [False, False, False, False,  True],
       [False, False, False, False, False],
       [False,  True, False, False, False]], dtype=bool)

# With suggested masking based method
In [46]: compare_nan_array(np.greater, a, 5)
Out[46]: 
array([[False, False, False, False, False],
       [False, False, False, False,  True],
       [False, False, False, False, False],
       [False,  True, False, False, False]], dtype=bool)

让我们测试
小于5的泛型行为-

In [47]: a < 5
__main__:1: RuntimeWarning: invalid value encountered in less
Out[47]: 
array([[False, False, False, False, False],
       [False, False, False,  True, False],
       [False, False, False,  True, False],
       [False, False, False, False, False]], dtype=bool)

In [48]: compare_nan_array(np.less, a, 5)
Out[48]: 
array([[False, False, False, False, False],
       [False, False, False,  True, False],
       [False, False, False,  True, False],
       [False, False, False, False, False]], dtype=bool)

[47]中的
：a<5
__main\uuu1:运行时警告：在less中遇到无效值
出[47]：
数组（[[False，False，False，False，False]，
[假，假，假，真，假]，
[假，假，假，真，假]，
[False，False，False，False，False]]，dtype=bool）
[48]中：比较数组（np.less，a，5）
出[48]：
数组（[[False，False，False，False，False]，
[假，假，假，真，假]，
[假，假，假，真，假]，
[False，False，False，False，False]]，dtype=bool）
有一个更好的方法-您不想永远隐藏警告，因为它可以帮助您以后发现其他错误

以下是本问题中的建议：

正确的方法：
如果结果是您想要的，您可以只写：

with np.errstate(invalid='ignore'):
    result = (array > 0.5)

# ... use result, and your warnings are not suppressed.

另一种错误的方式：
否则，您可以通过复制阵列来满足您的限制：

to_compare = array.copy()
to_compare[np.isnan(to_compare)] = 0.5  # you don't need -np.inf, anything <= 0.5 is OK
result = (to_compare > 0.5)

to_compare=array.copy（）
to_compare[np.isnan（to_compare）]=0.5#您不需要-np.inf，任何0.5）

您不需要“恢复”阵列中的nan。
使用比较函数（value！=nan）和（value>0.5）@Alexvonbrandfels您的解决方案不起作用。首先，我必须将
nan
更改为
numpy.nan
。但是，即使在这之后，我仍然有一个错误：
ValueError：包含多个元素的数组的真值是不明确的。使用a.any（）或a.all（）
“我不想只抑制警告”-为什么不？@user2357112，因为我认为这不正确。我在一个三值逻辑中进行比较，因此，将NaN与其他值进行比较的结果可能是错误的或其他值。在未来版本的numpy中，这个结果可能会改变，因此我想确保我总是会有一个预期的结果“在未来版本的numpy中，这个结果可能会改变”-这是极不可能发生的，如果发生了，你将不得不重新考虑你所有的NaN处理。该死！解决办法其实很简单。我一直在关注你所有的编辑eh非常感谢你，这正是我想要的！但是可读性降低了。设置为默认方式怎么样？这不是我所说的“消除警告”。它小心地避免引起这种警告的操作。它在代码和运行时都有开销。但是，除了黑客攻击NumPy的源代码之外，您实际上还可以执行
np。seterr（invalid='ignore'）
@TomaszGandor OP已经尝试过了，不想这样做。它在问题的
My restrictions:
部分下。当您试图从具有
nan
值的数组中获取符号时，解决方案也可以应用于
np.sign（）
。错误将是运行时警告：符号中遇到无效值。您可以使用
dfS['b']=evaluate\u nan\u数组（np.sign，df['a']）而不是
df['b']=np.sign（df['a']）
其中
def evaluate\u nan\u数组（func，a）：out=~np.isnan（a）out[out]=func（a[out]）返回