Python 运行时警告：被零除错误：如何避免？巨蟒

我正在运行RuntimeWarning:在divide中遇到无效值

 import numpy
 a = numpy.random.rand((1000000, 100))
 b = numpy.random.rand((1,100))
 dots = numpy.dot(b,a.T)/numpy.dot(b,b)
 norms = numpy.linalg.norm(a, axis =1)
 angles = dots/norms ### Basically I am calculating angle between 2 vectors 

我的a中有一些向量的范数为0。因此，在计算角度时，它会发出运行时警告

是否有一种单线python方法来计算角度，同时考虑0的范数

angles =[i/j if j!=0 else -2 for i,j in zip(dots, norms)] # takes 10.6 seconds

但这需要很多时间。由于所有角度的值都在1和-1之间，我只需要10个最大值，这将对我有所帮助。这大约需要10.6秒，这太疯狂了。

你可以用它来执行一个条件切片，其中标准值不等于0，然后再除以：

norms = np.where(norms != 0 ) 
angles = dots/norms

---

您可以使用

angles[~np.isfinite（angles）]=…

将

nan

值替换为其他值

例如：

In [103]: angles = dots/norms

In [104]: angles
Out[104]: array([[ nan,  nan,  nan, ...,  nan,  nan,  nan]])

In [105]: angles[~np.isfinite(angles)] = -2

In [106]: angles
Out[106]: array([[-2., -2., -2., ..., -2., -2., -2.]])

请注意，除零可能导致

inf

s，而不是

nan

s

In [140]: np.array([1, 2, 3, 4, 0])/np.array([1, 2, 0, -0., 0])
Out[140]: array([  1.,   1.,  inf, -inf,  nan])

因此，最好调用

np.isfinite

而不是

np.isnan

来识别被零除的位置

In [141]: np.isfinite(np.array([1, 2, 3, 4, 0])/np.array([1, 2, 0, -0., 0]))
Out[141]: array([ True,  True, False, False, False], dtype=bool)

---

请注意，如果您只需要NumPy数组中的前十个值，使用

np.argpartition

函数可能比完全排序整个数组要快，尤其是对于大型数组：

In [110]: N = 3

In [111]: x = np.array([50, 40, 30, 20, 10, 0, 100, 90, 80, 70, 60])

In [112]: idx = np.argpartition(-x, N)

In [113]: idx
Out[113]: array([ 6,  7,  8,  9, 10,  0,  1,  4,  3,  2,  5])

In [114]: x[idx[:N]]
Out[114]: array([100,  90,  80])

In [123]: x = np.array([50, 40, 30, 20, 10, 0, 100, 90, 80, 70, 60]*1000)

In [124]: %timeit np.sort(x)[-N:]
1000 loops, best of 3: 233 µs per loop

In [125]: %timeit idx = np.argpartition(-x, N); x[idx[:N]]
10000 loops, best of 3: 53.3 µs per loop

这表明

np.argpartition

即使对于中等规模的阵列也更快：

In [110]: N = 3

In [111]: x = np.array([50, 40, 30, 20, 10, 0, 100, 90, 80, 70, 60])

In [112]: idx = np.argpartition(-x, N)

In [113]: idx
Out[113]: array([ 6,  7,  8,  9, 10,  0,  1,  4,  3,  2,  5])

In [114]: x[idx[:N]]
Out[114]: array([100,  90,  80])

In [123]: x = np.array([50, 40, 30, 20, 10, 0, 100, 90, 80, 70, 60]*1000)

In [124]: %timeit np.sort(x)[-N:]
1000 loops, best of 3: 233 µs per loop

In [125]: %timeit idx = np.argpartition(-x, N); x[idx[:N]]
10000 loops, best of 3: 53.3 µs per loop

---

您可以使用

np.errstate

上下文管理器忽略警告，然后用所需内容替换NAN：

import numpy as np
angle = np.arange(-5., 5.) 
norm = np.arange(10.)
with np.errstate(divide='ignore'):
    print np.where(norm != 0., angle / norm, -2)
# or:
with np.errstate(divide='ignore'):
    res = angle/norm
res[np.isnan(res)] = -2

---

您想使用

np.where

。看

---

只要

标准！=0，否则将为-2。您仍然会得到RuntimeWarning，如
np。其中
仍将在内部计算整个向量
点/规范
，但您可以安全地忽略它。
在较新版本的numpy中，有第三个替代选项，可以避免使用errstate上下文管理器

所有Numpy都接受可选的“where”参数。这与np.where函数的作用稍有不同，因为它只计算掩码为true的函数“where”。当掩码为False时，它不会更改值，因此使用“out”参数允许我们预先分配所需的任何默认值

import numpy as np

angle = np.arange(-5., 5.)
norm = np.arange(10.)

# version 1
with np.errstate(divide='ignore'):
    res1 = np.where(norm != 0., angle / norm, -2)

# version 2
with np.errstate(divide='ignore'):
    res2 = angle/norm
res2[np.isinf(res2)] = -2

# version 3
res3 = -2. * np.ones(angle.shape)
np.divide(angle, norm, out=res3, where=norm != 0)

print(res1)
print(res2)
print(res3)

np.testing.assert_array_almost_equal(res1, res2)
np.testing.assert_array_almost_equal(res1, res3)

范数是向量而不是数字。我想对向量进行元素级的除法，在不可能除法的地方加上None，你能在通过之前过滤范数吗？不，我想保留索引，因为我想在最后加上10个最大角度的索引，在其他列表中进一步匹配。因此，我必须保留索引。对于您发布的代码，
angles
变量将具有nan，其中
norms
为零。这不是你想要的吗？请注意，如果希望
None
而不是
NaN
，则需要对dtype
对象
进行
角度
，这对性能不利。。。（另外，也可以只抑制运行时警告。这是您想要的吗？）我想要在遇到NaN的地方有特定的值。因此，我可以在排序时对其进行操作。nans排序比任何其他排序都高，因此，在排序时，您只需将顶部的np.count_去除为非零（np.isnan（d.ravel（））值我的代码一直在说：numpy.ndarray没有属性where.WTF？where是numpy中的一个函数，它不是ndarray的一个坏方法..我应该继续工作。谢谢你的帮助！！不知何故它没有给我任何警告！！如果你以交互方式运行python（例如在ipython中）那么我相信每次会话它只会给你一次警告。你也可以按照jtaylor的建议添加
np.errstate（divide='ignore'）
，以在将来抑制警告。