numpy.seterr#

numpy.seterr(all=None, divide=None, over=None, under=None, invalid=None)[source]#

设置浮点错误的处理方式。

请注意，对整数标量类型（例如 int16）的操作也像浮点数一样处理，并受这些设置的影响。

参数:
all{‘ignore’, ‘warn’, ‘raise’, ‘call’, ‘print’, ‘log’}, 可选

一次性设置所有类型浮点错误的处理方式

  • ignore：当异常发生时不做任何处理。

  • warn：打印一个 RuntimeWarning （通过 Python 的 warnings 模块）。

  • raise：抛出 FloatingPointError。

  • call：调用使用 seterrcall 函数指定的函数。

  • print：直接向 stdout 打印警告。

  • log：将错误记录到由 seterrcall 指定的 Log 对象中。

默认情况下不改变当前行为。

divide{‘ignore’, ‘warn’, ‘raise’, ‘call’, ‘print’, ‘log’}, 可选

除零错误的处理方式。

over{‘ignore’, ‘warn’, ‘raise’, ‘call’, ‘print’, ‘log’}, 可选

浮点溢出的处理方式。

under{‘ignore’, ‘warn’, ‘raise’, ‘call’, ‘print’, ‘log’}, 可选

浮点下溢的处理方式。

invalid{‘ignore’, ‘warn’, ‘raise’, ‘call’, ‘print’, ‘log’}, 可选

无效浮点运算的处理方式。

返回:
old_settingsdict

包含旧设置的字典。

另请参阅

seterrcall

为 'call' 模式设置一个回调函数。

geterr, geterrcall, errstate

注意

浮点异常在 IEEE 754 标准中定义 [1]

  • 除零：从有限数获得无限结果。

  • 溢出：结果过大无法表示。

  • 下溢：结果非常接近零，以至于丢失了一些精度。

  • 无效操作：结果不是可表示的数字，通常表示产生了 NaN。

示例

>>> import numpy as np
>>> orig_settings = np.seterr(all='ignore')  # seterr to known value
>>> np.int16(32000) * np.int16(3)
np.int16(30464)
>>> np.seterr(over='raise')
{'divide': 'ignore', 'over': 'ignore', 'under': 'ignore', 'invalid': 'ignore'}
>>> old_settings = np.seterr(all='warn', over='raise')
>>> np.int16(32000) * np.int16(3)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
FloatingPointError: overflow encountered in scalar multiply

>>> old_settings = np.seterr(all='print')
>>> np.geterr()
{'divide': 'print', 'over': 'print', 'under': 'print', 'invalid': 'print'}
>>> np.int16(32000) * np.int16(3)
np.int16(30464)
>>> np.seterr(**orig_settings)  # restore original
{'divide': 'print', 'over': 'print', 'under': 'print', 'invalid': 'print'}
本页内容