Python 我怎样才能捕捉到这样的警告'；这是个例外（不仅仅是测试）？

我必须用Python为我正在做的一个项目制作一个拉格朗日多项式。我在做重心式的，避免使用显式的for循环，而不是牛顿的分差式。我遇到的问题是，我需要捕获一个除法为零的除法，但是Python（或者可能是numpy）只是将其作为一个警告，而不是一个正常的异常

所以，我需要知道如何捕捉这个警告，就像它是一个例外一样。我在这个网站上发现的相关问题没有以我需要的方式得到回答。这是我的密码：

import numpy as np
import matplotlib.pyplot as plt
import warnings

class Lagrange:
    def __init__(self, xPts, yPts):
        self.xPts = np.array(xPts)
        self.yPts = np.array(yPts)
        self.degree = len(xPts)-1 
        self.weights = np.array([np.product([x_j - x_i for x_j in xPts if x_j != x_i]) for x_i in xPts])

    def __call__(self, x):
        warnings.filterwarnings("error")
        try:
            bigNumerator = np.product(x - self.xPts)
            numerators = np.array([bigNumerator/(x - x_j) for x_j in self.xPts])
            return sum(numerators/self.weights*self.yPts) 
        except Exception, e: # Catch division by 0. Only possible in 'numerators' array
            return yPts[np.where(xPts == x)[0][0]]

L = Lagrange([-1,0,1],[1,0,1]) # Creates quadratic poly L(x) = x^2

L(1) # This should catch an error, then return 1. 

执行此代码时，我得到的输出是：

Warning: divide by zero encountered in int_scalars

---

这就是我想要抓住的警告。它应该出现在列表理解中。

您的配置似乎正在使用打印选项：

这意味着您看到的警告不是真正的警告，而是打印到标准输出的一些字符（有关详细信息，请参阅文档）。如果你想抓住它，你可以：

使用将直接引发异常的

numpy.seterr（all='raise'）

。然而，这改变了所有操作的行为，因此这是一个相当大的行为变化

使用

numpy.seterr（all='warn'）

，这将把打印的警告转换为真实的警告，您将能够使用上述解决方案来定位这种行为变化

一旦您实际收到警告，您可以使用

警告

模块控制如何处理警告：

>>> import warnings
>>> 
>>> warnings.filterwarnings('error')
>>> 
>>> try:
...     warnings.warn(Warning())
... except Warning:
...     print 'Warning was raised as an exception!'
... 
Warning was raised as an exception!

请仔细阅读的文档，因为它只允许您过滤所需的警告，并且有其他选项。我也会考虑查看哪一个是上下文管理器，它自动重置原来的<代码>过滤警告< /代码>函数：

>>> import warnings
>>> with warnings.catch_warnings():
...     warnings.filterwarnings('error')
...     try:
...         warnings.warn(Warning())
...     except Warning: print 'Raised!'
... 
Raised!
>>> try:
...     warnings.warn(Warning())
... except Warning: print 'Not raised!'
... 
__main__:2: Warning: 

---

您的配置似乎正在使用

打印

选项：

这意味着您看到的警告不是真正的警告，而是打印到标准输出的一些字符（有关详细信息，请参阅文档）。如果你想抓住它，你可以：

使用将直接引发异常的

numpy.seterr（all='raise'）

。然而，这改变了所有操作的行为，因此这是一个相当大的行为变化

使用

numpy.seterr（all='warn'）

，这将把打印的警告转换为真实的警告，您将能够使用上述解决方案来定位这种行为变化

一旦您实际收到警告，您可以使用

警告

模块控制如何处理警告：

>>> import warnings
>>> 
>>> warnings.filterwarnings('error')
>>> 
>>> try:
...     warnings.warn(Warning())
... except Warning:
...     print 'Warning was raised as an exception!'
... 
Warning was raised as an exception!

请仔细阅读的文档，因为它只允许您过滤所需的警告，并且有其他选项。我也会考虑查看哪一个是上下文管理器，它自动重置原来的<代码>过滤警告< /代码>函数：

>>> import warnings
>>> with warnings.catch_warnings():
...     warnings.filterwarnings('error')
...     try:
...         warnings.warn(Warning())
...     except Warning: print 'Raised!'
... 
Raised!
>>> try:
...     warnings.warn(Warning())
... except Warning: print 'Not raised!'
... 
__main__:2: Warning: 

---

要对@Bakuriu的回答补充一点：

如果您已经知道警告可能发生在何处，那么使用上下文管理器通常更为简洁，而不是将相同类型的所有后续警告视为相同，而不管它们发生在代码中的何处：

import numpy as np

a = np.r_[1.]
with np.errstate(divide='raise'):
    try:
        a / 0   # this gets caught and handled as an exception
    except FloatingPointError:
        print('oh no!')
a / 0           # this prints a RuntimeWarning as usual

---

编辑： 在我最初的示例中，我使用了

a=np.r\u0]

，但很明显，numpy的行为发生了变化，在分子都为零的情况下，被零除的处理方式有所不同。例如，在numpy 1.16.4中：

all_zeros=np.array（[0,0.]）
非全零=np.数组（[1,0.]）
使用np.errstate（divide='raise'）：
不是所有的零/0引发浮点错误
使用np.errstate（divide='raise'）：
全零/0没有提出例外
使用np.errstate（invalid='raise'）：
全零/0引发浮点错误

相应的警告消息也不同：

1./0。

记录为

RuntimeWarning:true\u divide中遇到的除零

，而

0。/0.

记录为

运行时警告：在true\u divide中遇到无效值

。我不知道为什么会做出这样的更改，但我怀疑这与

0的结果有关0。

不能表示为数字（在本例中，numpy返回一个NaN），而

1。/0.

和

-1./0.

根据IEE 754标准分别返回+Inf和-Inf

---

如果您想捕获这两种类型的错误，您可以始终传递

np.errstate（divide='raise'，invalid='raise'）

，或者

all='raise'

，如果您想在任何类型的浮点错误上引发异常。

为@Bakuriu的答案添加一点内容：

如果您已经知道警告可能发生在何处，那么使用上下文管理器通常更为简洁，而不是将相同类型的所有后续警告视为相同，而不管它们发生在代码中的何处：

import numpy as np

a = np.r_[1.]
with np.errstate(divide='raise'):
    try:
        a / 0   # this gets caught and handled as an exception
    except FloatingPointError:
        print('oh no!')
a / 0           # this prints a RuntimeWarning as usual

---

编辑： 在我最初的示例中，我使用了

a=np.r\u0]

，但很明显，numpy的行为发生了变化，在分子都为零的情况下，被零除的处理方式有所不同。例如，在numpy 1.16.4中：

all_zeros=np.array（[0,0.]）
非全零=np.数组（[1,0.]）
使用np.errstate（divide='raise'）：
不是所有的零/0引发浮点错误
使用np.errstate（divide='raise'）：
全零/0没有提出例外
使用np.errstate（invalid='raise'）：
全零/0引发浮点错误

相应的警告消息也不同：

1./0。

记录为

RuntimeWarning:true\u divide中遇到的除零

，而

0。/0.

记录为

运行时警告：在true\u divide中遇到无效值

。我不知道为什么会做出这样的更改，但我怀疑这与

0的结果有关0。

不能表示为数字（在本例中，numpy返回一个NaN），而

1。/0.

和

-1./0.

re