我必须在Python中为我正在做的项目制作拉格朗日多项式。我用的是以重心为中心的方法是为了避免使用显式的for循环而不是牛顿微分法。我遇到的问题是,我需要捕获除零,但是Python(或者可能是numpy)只是将其作为警告而不是普通异常。
所以,我需要知道的是如何捕获这个警告,就好像它是一个异常。我在这个网站上发现的相关问题没有得到我需要的回答。下面是我的代码:
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.
当这段代码被执行时,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。
似乎您的配置使用print
选项为numpy.seterr
:
>>> import numpy as np
>>> np.array([1])/0 #'warn' mode
__main__:1: RuntimeWarning: divide by zero encountered in divide
array([0])
>>> np.seterr(all='print')
{'over': 'warn', 'divide': 'warn', 'invalid': 'warn', 'under': 'ignore'}
>>> np.array([1])/0 #'print' mode
Warning: divide by zero encountered in divide
array([0])
这意味着您看到的警告是而不是一个真正的警告,但它只是打印到stdout
的一些字符(参见seterr
的文档)。如果你想抓住它,你可以:
- 使用
numpy.seterr(all='raise')
,这将直接引发异常。然而,这改变了所有操作的行为,所以这是一个相当大的行为变化。 - 使用
numpy.seterr(all='warn')
,它将把打印的警告转换为真实的警告,并且您将能够使用上述解决方案来定位这种行为变化。
一旦你有了一个警告,你可以使用warnings
模块来控制如何处理警告:
>>> import warnings
>>>
>>> warnings.filterwarnings('error')
>>>
>>> try:
... warnings.warn(Warning())
... except Warning:
... print 'Warning was raised as an exception!'
...
Warning was raised as an exception!
仔细阅读filterwarnings
的文档,因为它允许您只过滤您想要的警告,并有其他选项。我还考虑看看catch_warnings
,这是一个自动重置原始filterwarnings
功能的上下文管理器:
>>> 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:
给@Bakuriu的回答补充一点:
如果你已经知道警告可能发生在哪里,那么使用numpy.errstate
上下文管理器通常更干净,而不是numpy.seterr
,它将所有后续的相同类型的警告视为相同的,而不管它们在代码中的位置:
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:
在我最初的例子中,我有a = np.r_[0]
,但显然numpy的行为发生了变化,例如在分子全为零的情况下,除以零的处理方式不同。例如,在numpy 1.16.4中:
all_zeros = np.array([0., 0.])
not_all_zeros = np.array([1., 0.])
with np.errstate(divide='raise'):
not_all_zeros / 0. # Raises FloatingPointError
with np.errstate(divide='raise'):
all_zeros / 0. # No exception raised
with np.errstate(invalid='raise'):
all_zeros / 0. # Raises FloatingPointError
对应的警告消息也不同:1. / 0.
被记录为RuntimeWarning: divide by zero encountered in true_divide
,而0. / 0.
被记录为RuntimeWarning: invalid value encountered in true_divide
。我不确定为什么会做出这种改变,但我怀疑这与0. / 0.
的结果不能表示为数字(numpy在这种情况下返回NaN)而1. / 0.
和-1. / 0.
分别返回+Inf和-Inf这一事实有关,根据IEE 754标准。
如果你想捕获两种类型的错误,你总是可以传递np.errstate(divide='raise', invalid='raise')
,或者如果你想在任何类型的浮点错误上引发异常,则传递all='raise'
。
详细说明@Bakuriu上面的回答,我发现这使我能够以类似于捕获错误警告的方式捕获运行时警告,并很好地打印出警告:
import warnings
with warnings.catch_warnings():
warnings.filterwarnings('error')
try:
answer = 1 / 0
except Warning as e:
print('error found:', e)
您可能能够根据您想要用这种方式捕获错误时使用的保护伞的大小来设置warnings.catch_warnings()的位置。
删除警告。过滤器警告和添加:
numpy.seterr(all='raise')