Question

我遇到过RuntimeWarning

 RuntimeWarning: invalid value encountered in less_equal

由我的这行代码生成：

center_dists[j] <= center_dists[i]

center_dists[j]和center_dists[i]都是numpy数组

这个警告可能是什么原因？

Answer 1

最有可能发生这种情况，因为所涉及的输入中有np.nan。它的一个例子如下所示 -

In [1]: A = np.array([4, 2, 1])

In [2]: B = np.array([2, 2, np.nan])

In [3]: A<=B
RuntimeWarning: invalid value encountered in less_equal
Out[3]: array([False,  True, False], dtype=bool)

对于涉及np.nan的所有比较，它会输出False。让我们确认它进行broadcasted比较。这是一个样本 -

In [1]: A = np.array([4, 2, 1])

In [2]: B = np.array([2, 2, np.nan])

In [3]: A[:,None] <= B
RuntimeWarning: invalid value encountered in less_equal
Out[3]: 
array([[False, False, False],
       [ True,  True, False],
       [ True,  True, False]], dtype=bool)

请注意输出中的第三列，该列对应于np.nan中涉及第三个元素B的比较，并且会产生所有False值。

Answer 2

作为Divakar的回答和他对如何抑制RuntimeWarning的评论的后续措施，一种更安全的方法是使用with np.errstate()仅在本地抑制（{{3 }}：通常最好在与np.nan的比较产生False时发出警告，并且仅在确实是预期的时候才忽略警告。以下是OP的示例：

with np.errstate(invalid='ignore'):
  center_dists[j] <= center_dists[i]

退出with块后，错误处理将重置为以前的状态。

也可以通过传递invalid value encountered而不是all='ignore'来忽略所有错误。有趣的是，kwargs的文档中的np.errstate()缺少了，但是docs的文档中没有。（似乎是np.errstate()文档中的一个小错误。）

Answer 3

发生这种情况的原因是数据框中的Nan个值，而使用DF完全可以。

在Pycharm中，这对我来说就像是一种魅力：

import warnings

warnings.simplefilter(action = "ignore", category = RuntimeWarning)

Answer 4

Numpy dtypes非常严格。因此它不会产生像np.array([False, True, np.nan])这样的数组，它会返回array([ 0., 1., nan])这是一个float数组。

如果您尝试更改布尔数组，例如：

x= np.array([False, False, False])
x[0] = 5

将重新运行array([ True, False, False]) ...哇

但是我认为5>np.nan不能为False，它应该为nan，False意味着已经进行了数据比较，并且返回了类似{{ 1}}，我认为这是一场灾难。 Numpy生成我们实际上没有的数据。如果它可以返回3>5，那么我们可以轻松地处理它。

所以我试图用一个函数来修改行为。

nan

返回： def ngrater(x, y): with np.errstate(invalid='ignore'): c=x>y c=c.astype(np.object) c[np.isnan(x)] = np.nan c[np.isnan(y)] = np.nan return c a = np.array([np.nan,1,2,3,4,5, np.nan, np.nan, np.nan]) #9 elements b = np.array([0,1,-2,-3,-4,-5, -5, -5, -5]) #9 elements ngrater(a,b)

但是我认为整个内存结构都以这种方式改变了。它不会产生具有统一单位的内存块，而是会生成一个指针块，其中实际数据位于其他位置。因此，函数的执行速度可能会变慢，这可能就是Numpy不这样做的原因。我们需要一个array([nan, False, True, True, True, True, nan, nan, nan], dtype=object) dtype，它也将包含superBool，或者我们只需要使用浮点数组np.nan

Answer 5

添加到上述答案中的另一种抑制此警告的方法是to use numpy.less explicitly，提供where和out参数：

np.less([1, 2], [2, np.nan])

输出：array([ True, False])导致运行时警告

np.less([1, 2], [2, np.nan], where=np.isnan([2, np.nan])==False)

不计算第二个数组元素according to the docs的结果，而值未定义（两个元素都为True输出），而

np.less([1, 2], [2, np.nan], where=np.isnan([2, np.nan])==False, out=np.full((1, 2), False)

将结果写入预先初始化为False的数组中（因此始终在第二个元素中提供False）。

numpy中“less_equal”中遇到“无效值”的原因可能是什么

5 个答案: