正确的方法：

Question

此问题与许多与警告RuntimeWarning: invalid value encountered in greater/less/etc

相关的问题非常相似

然而，我无法找到解决我的特定问题的方法，我认为应该有一个。

所以，我有numpy.ndarray类似于这个：

array([[ nan,   1.,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       ..., 
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan],
       [ nan,  nan,  nan, ...,  nan,  nan,  nan]])

我想计算array > 0.5，它会给出我想要的结果，但是会有与nan进行比较的警告：

__main__:1: RuntimeWarning: invalid value encountered in greater
Out[68]: 
array([[False,  True, False, ..., False, False, False],
       [False, False, False, ..., False, False, False],
       [False, False, False, ..., False, False, False],
       ..., 
       [False, False, False, ..., False, False, False],
       [False, False, False, ..., False, False, False],
       [False, False, False, ..., False, False, False]], dtype=bool)

我基本上想要计算array > 0.5，但没有出现警告。

我的限制：

我不想要使用with np.errstate(invalid='ignore'):
我需要维护原始数组，因此我无法更改它。

我想出了一个简单的解决方案：

更改原始矩阵中的nan（array[np.isnan(array)] = -np.inf），在进行比较后将其恢复（array[array == -np.inf] = np.nan）

但是我觉得这些计算只是浪费时间（我认为）它应该存在直接的方法来实现这一点。我一直在探索numpy.ma模块和numpy.where函数，但我无法找到我想要的“直接”解决方案。

对此有何想法？

Answer 1

只要比较包含至少一个NaN的数组，就会发出警告。解决方案是使用masking仅比较非NaN元素，我们将尝试使用通用解决方案在comparison based NumPy ufuncs的帮助下涵盖所有类型的比较，如下所示 -

def compare_nan_array(func, a, thresh):
    out = ~np.isnan(a)
    out[out] = func(a[out] , thresh)
    return out

这个想法是：

获取非NaN的掩码。
使用它从输入数组中获取非NaN值。然后执行所需的比较（大于，大于等等）以获得另一个掩码，该掩码表示掩蔽位置的比较掩码输出。
使用它来优化非NaN的掩码，这是最终输出。

示例运行 -

In [41]: np.random.seed(0)

In [42]: a = np.random.randint(0,9,(4,5)).astype(float)

In [43]: a.ravel()[np.random.choice(a.size, 16, replace=0)] = np.nan

In [44]: a
Out[44]: 
array([[ nan,  nan,  nan,  nan,  nan],
       [ nan,  nan,  nan,   4.,   7.],
       [ nan,  nan,  nan,   1.,  nan],
       [ nan,   7.,  nan,  nan,  nan]])

In [45]: a > 5  # Shows warning with the usual comparison
__main__:1: RuntimeWarning: invalid value encountered in greater
Out[45]: 
array([[False, False, False, False, False],
       [False, False, False, False,  True],
       [False, False, False, False, False],
       [False,  True, False, False, False]], dtype=bool)

# With suggested masking based method
In [46]: compare_nan_array(np.greater, a, 5)
Out[46]: 
array([[False, False, False, False, False],
       [False, False, False, False,  True],
       [False, False, False, False, False],
       [False,  True, False, False, False]], dtype=bool)

让我们通过测试lesser than 5 -

来测试通用行为

In [47]: a < 5
__main__:1: RuntimeWarning: invalid value encountered in less
Out[47]: 
array([[False, False, False, False, False],
       [False, False, False,  True, False],
       [False, False, False,  True, False],
       [False, False, False, False, False]], dtype=bool)

In [48]: compare_nan_array(np.less, a, 5)
Out[48]: 
array([[False, False, False, False, False],
       [False, False, False,  True, False],
       [False, False, False,  True, False],
       [False, False, False, False, False]], dtype=bool)

Answer 2

有一种更好的方法-您不想永远抑制警告，因为它可以帮助您以后找到其他错误。

遵循此问题中的建议：RuntimeWarning: invalid value encountered in divide

正确的方法：

如果结果是您想要的结果，则只需编写：

with np.errstate(invalid='ignore'):
    result = (array > 0.5)

# ... use result, and your warnings are not suppressed.

另一种错误的方式：

否则，您可以通过复制数组来满足限制：

to_compare = array.copy()
to_compare[np.isnan(to_compare)] = 0.5  # you don't need -np.inf, anything <= 0.5 is OK
result = (to_compare > 0.5)

您无需“恢复”阵列中的NaN。

如何摆脱“运行时警告：遇到更大的无效值”

2 个答案:

正确的方法：

另一种错误的方式：