python - numpy 浮点错误 : invalid value encountered in subtract - not reproducible?

Question

我在一段测试代码中遇到了 FloatingPointError: invalid value encountered in subtract。在代码本身没有进行任何更改的情况下开始引发异常，因此我很难理解它。

我的问题:是什么导致了 invalid value encountered in subtract 异常？为什么它在不同的 python+numpy 安装上表现不同？

详情:

此 MWE 不会引发FloatingPointError:

>>> import numpy as np
>>> np.__version__
 '1.6.1'
>>> x = np.arange(5,dtype='float64')
>>> y = np.ones(5,dtype='float64')
>>> x[2]=np.nan
>>> x-y
# array([ -1.,   0.,  nan,   2.,   3.])

然而，在一段代码的深处，我减去两个 np.float64 ndarray 对象，并得到一个浮点异常。导致异常的数组包含一些非常大和非常小的数字(例如 1e307 和 1e-307)和一些 nan，但我没有对这些数字进行任何组合导致异常测试我自己的。

更令人不安的是，我有一个大型的 Jenkins 测试网格，使用许多版本的 numpy、matplotlib、python 和 scipy 运行完全相同的代码，但没有一个会引发此异常。我现在迷路了——我不知道是否有错误，或者如果有，如何追踪它。

如果你病态地好奇，有问题的代码是pyspeckit并且测试在 test_hr2421.py 的第 20 行失败。

编辑:跟进 - 我认为这个小片段:np.seterr(invalid='raise') 在我导入的模块中被调用，特别是 pymc，并且拉取请求有因为阻止了此更改。

Answer 1

Numpy 具有关于如何处理浮点错误的可配置行为。默认情况下，下溢错误会被忽略，而其他错误会触发警告。对于每个类别，用户可以使用 numpy.seterr 更改此行为。这些设置是全局的——这里没有命名空间；因此，如果库调用 numpy.seterr(all='raise') 那么这将影响整个程序，直到再次调用 numpy.seterr。

您可以确认这确实是您问题的原因

print(numpy.seterr())

应该输出类似的东西

{'divide': 'warn', 'over': 'warn', 'under': 'ignore', 'invalid': 'warn'}

如果其中一些类别具有值 raise，特别是键 'invalid'，那么这将解释您观察到的行为。

您可以通过调用 numpy.seterr(invalid='warn') 或 invalid='ignore' 来抑制此异常。有关可能错误的完整列表，请通读 numpy.seterr 的文档.

您还可以使用上下文管理器来临时更改行为:

In [12]: x = np.arange(-5, 5,dtype='float64')

In [13]: with np.errstate(divide="raise"):
    print(1/x)
   ....:     
---------------------------------------------------------------------------
FloatingPointError                        Traceback (most recent call last)
<ipython-input-13-881589fdcb7a> in <module>()
      1 with np.errstate(divide="raise"):
----> 2     print(1/x)
      3 

FloatingPointError: divide by zero encountered in true_divide

In [14]: with np.errstate(divide="warn"):
    print(1/x)
   ....:     
/home/users/gholl/venv/stable-3.5/bin/ipython3:2: RuntimeWarning: divide by zero encountered in true_divide
  
[-0.2        -0.25       -0.33333333 -0.5        -1.                 inf
  1.          0.5         0.33333333  0.25      ]

In [15]: with np.errstate(divide="ignore"):
    print(1/x)
   ....:     
[-0.2        -0.25       -0.33333333 -0.5        -1.                 inf
  1.          0.5         0.33333333  0.25      ]

我倾向于将我的整个代码包装在 with np.errstate(all="raise") block 中，然后使用上下文管理器忽略特定条件，如果我确定问题所在并没有隐藏错误——不过通常是这样。

如果确实有库永久更改状态，我会向维护者提出问题或发送拉取请求，因为他们确实应该使用上下文管理器，以便他们更改的设置仅适用于他们的代码块而不是程序的其余部分。