我有很多情况下计算遇到类似的事情：
open('/home/myName/myCode/myfile', 'rb')等
我没有收到任何错误，但收到了-divide by zero
-np.nan values in a column that I compute df['col'].quantile(0.5)
-np.nan values in groupby objects that are then used like grouped.agg('sum')
条消息。现在，由于我的数据非常大，我想知道这些警告是否会导致性能下降，如果是这样，我可以绕过它们。
示例：
RuntimeWarning答案 0 :(得分：1)
警告相当于几个简单的操作，包括散列以确定是否已发出警告以及是否应多次发出该警告，以及警告发生的位置。这些很快，但它们不是免费的。
无论是否实际打印出警告，所有这些操作都会发生，这与用于确定发出警告的库是否应该警告您某些事情不是＆＃39的启发式算法的成本无关。非常正确。
以下是仅调用warning.warn
In [4]: %timeit [warnings.warn("Hey You") for i in range(1000)]
ipython-script.py:257: UserWarning: Hey You # Notice this only was printed once
1000 loops, best of 3: 1.2 ms per loop
In [6]: %timeit [i + i for i in range(1000)]
10000 loops, best of 3: 53.4 µs per loop
1000次警告操作的时间为1毫秒。扩展到您执行的警告生成操作的次数*这些操作发生的次数，并且您将了解它花费了多少时间。
这些警告在计算日长工作中会花费几个计算时间吗？是。但是，在一天五分钟内答案会比在一天内得到答案更糟糕吗？可能不是。