Python：如何在函数定义中避免numpy运行时警告？

我设计了一个简单的函数来返回一个数学函数，可以用来拟合实验数据。这些函数看起来非常类似于以下内容：

def colecole_2(f,*p):
    term1=p[0] * ( 1 - 1 / (1 + numpy.power((0+1j) * 2 * numpy.pi * f * p[1], p[2])))
    term2=p[3] * ( 1 - 1 / (1 + numpy.power((0+1j) * 2 * numpy.pi * f * p[4], p[5])))
    return p[6]*(1-abs( term1+ term2))

不幸的是，我遇到运行时警告问题，如下所示：

RuntimeWarning: overflow encountered in power
RuntimeWarning: overflow encountered in divide

---

由于值太大或太小。不过，我自己无法解决这个问题。有没有办法重新定义我的函数，使其在没有警告的情况下通过？

使用

numpy.seterr

控制numpy在这种情况下的操作：

使用“警告”模块控制警告的显示方式：

您可以使用内置的上下文管理器。这将允许您将错误处理设置为在with语句的上下文中

import numpy
# warning is not logged here. Perfect for clean unit test output
with numpy.errstate(divide='ignore'):
    numpy.float64(1.0) / 0.0

---

我最近在为一些旧式python代码编写单元测试时不得不这样做。

为了解决这个问题，可以通过修改调用函数的数组元素的类型来提高精度

例如，如果将作为元素的大数数组与大浮点数相乘会引发异常

RuntimeWarning: overflow encountered in multiply

然后在指定以下内容后

a = np.array(a, dtype=np.float128)

---

没有出现任何警告。

您知道如何捕获异常吗？@StevenRumbalski，这些异常没有引发。@MikeGraham:我的错。我误解了您的问题，没有注意到它们是警告。要忽略，请参见warnings.html reference.import warnings def fxn（）：warnings.warnings（“已弃用”，弃用警告）和warnings.catch_warnings（）：warnings.simplefilter（“忽略”）fxn（）