Numpy 错误处理

错误或异常是在程序执行期间发生的意外事件。它会影响程序指令的流程，并可能导致程序异常终止。

响应或处理异常称为异常处理。

NumPy 提供了多种方法来处理数组操作期间发生的异常。

处理 NumPy 中的浮点数错误

在 NumPy 中，seterr() 函数用于设置浮点数错误的处理方式。

它接受几个参数

1. divide：指定除以零或无穷大的行为。
2. over：指定浮点数溢出的行为。
3. under：指定浮点数下溢的行为。
4. invalid：指定无效浮点数运算的行为，例如0/0、inf-inf和sqrt(-1)。

注意：所有这些参数的可能值为“ignore”、“warn”、“raise” 或“call”。所有类型错误的默认行为都是“warn”。

示例 1：NumPy seterr() 函数

import numpy as np

# set behavior for division by zero to 'raise'
np.seterr(divide='raise')

# divide array1 by array2
array1 = np.array([1, 2, 3])
array2 = np.array([0, 2, 0])
result = np.divide(array1, array2)

print(result)

输出

FloatingPointError: divide by zero encountered in true_divide

在此示例中，我们使用 np.seterr(divide='raise') 将除以零错误的默认行为设置为raise。

这意味着当 np.divide() 在计算过程中遇到除以零时，它将引发 FloatingPointError 错误。

如果我们已将除以零的行为设置为

• divide='ignore' - 它不会引发错误或打印警告消息，输出将是 [inf 1. inf]。
• divide='warn' - 它会打印警告消息并运行程序，输出将是 [inf 1. inf]。

示例 2：NumPy seterr() 函数中的 over 参数

import numpy as np

# set behavior for floating-point overflow to 'raise'
np.seterr(over='raise')

calc1 = np.exp(1000)

print(calc1)

输出

FloatingPointError: overflow encountered in exp

在上面的示例中，我们将浮点数溢出的行为设置为raise。

然后我们计算了 np.exp(1000)，这会导致浮点数溢出，因为计算结果对于浮点数数据类型来说太大了。

这将引发一个异常：FloatingPointError: overflow encountered in exp。

注意：如果我们设置 np.seterr(under='raise') 并计算 np.exp(-1000)，这将引发一个异常：FloatingPointError: underflow encountered in exp。

示例 3：NumPy seterr() 函数中的 invalid 参数

在 Numpy 中，我们可以在 seterr() 中使用 invalid 参数，在发生无效浮点数运算时引发异常。例如，

import numpy as np

# set the invalid parameter to 'raise'
np.seterr(invalid='raise')

# try taking the square root of a negative number
x = np.sqrt(-1)

# Output: FloatingPointError: invalid value encountered in sqrt

在这里，我们尝试对 -1 取平方根，这是一个无效的浮点数运算。

由于我们将 invalid='raise' 设置为raise，NumPy 将引发一个 FloatingPointError。

NumPy try-catch 块

我们可以在 NumPy 中使用 try...except 块来处理错误。这是 try...except 的语法。

try:
    # code that may cause exception
except:
    # code to run when exception occurs

在这里，我们将可能引发异常的代码放在 try 块中。当 try 块中发生异常时，它会被 except 块捕获。

try 和 except 块必须协同工作以处理异常。

让我们看一个例子。

import numpy as np

array1 = np.array([1, 4, 3])
array2 = np.array([0, 2, 0])

# try to divide the arrays
try:
    result = array1/array2

except ZeroDivisionError as e:
    print("Error: Cannot divide by zero")

输出

runtimewarning: divide by zero encountered in divide