Как мне поймать предупреждение о недействительности, как будто это исключение (не только для тестирования)?

Я должен сделать полином Лагранжа в Python для проекта, который я делаю. Я делаю барицентрический стиль, чтобы избежать использования явного цикла for, а не стиля разделенных разностей Ньютона. У меня проблема в том, что мне нужно поймать деление на ноль, но Python (или, может быть, NumPy) просто делает это предупреждение вместо обычного исключения.

Итак, что мне нужно знать, как это перехватить это предупреждение, как если бы оно было исключением. Ответы на вопросы, которые я нашел на этом сайте, были получены не так, как мне было нужно. Вот мой код:

import numpy as np
import matplotlib.pyplot as plt
import warnings

class Lagrange:
    def __init__(self, xPts, yPts):
        self.xPts = np.array(xPts)
        self.yPts = np.array(yPts)
        self.degree = len(xPts)-1 
        self.weights = np.array([np.product([x_j - x_i for x_j in xPts if x_j != x_i]) for x_i in xPts])

    def __call__(self, x):
        warnings.filterwarnings("error")
        try:
            bigNumerator = np.product(x - self.xPts)
            numerators = np.array([bigNumerator/(x - x_j) for x_j in self.xPts])
            return sum(numerators/self.weights*self.yPts) 
        except Exception, e: # Catch division by 0. Only possible in 'numerators' array
            return yPts[np.where(xPts == x)[0][0]]

L = Lagrange([-1,0,1],[1,0,1]) # Creates quadratic poly L(x) = x^2

L(1) # This should catch an error, then return 1. 

Когда этот код выполняется, я получаю вывод:

Warning: divide by zero encountered in int_scalars

Это предупреждение, которое я хочу поймать. Это должно происходить внутри списка понимания.

Похоже, что ваша конфигурация использует printопцию для numpy.seterr:

>>> import numpy as np
>>> np.array([1])/0   #'warn' mode
__main__:1: RuntimeWarning: divide by zero encountered in divide
array([0])
>>> np.seterr(all='print')
{'over': 'warn', 'divide': 'warn', 'invalid': 'warn', 'under': 'ignore'}
>>> np.array([1])/0   #'print' mode
Warning: divide by zero encountered in divide
array([0])

Это означает, что предупреждение, которое вы видите, не является реальным предупреждением, а просто напечатано с некоторыми символами stdout(см. Документацию seterr). Если вы хотите поймать его, вы можете:

1. Использование, numpy.seterr(all='raise')которое напрямую вызовет исключение. Это, однако, меняет поведение всех операций, так что это довольно большое изменение в поведении.
2. Используйте numpy.seterr(all='warn'), что преобразует напечатанное предупреждение в реальное предупреждение, и вы сможете использовать вышеуказанное решение для локализации этого изменения в поведении.

Как только у вас появится предупреждение, вы можете использовать warningsмодуль для управления обработкой предупреждений:

>>> import warnings
>>> 
>>> warnings.filterwarnings('error')
>>> 
>>> try:
...     warnings.warn(Warning())
... except Warning:
...     print 'Warning was raised as an exception!'
... 
Warning was raised as an exception!

Внимательно прочитайте документацию, filterwarningsпоскольку она позволяет фильтровать только те предупреждения, которые вы хотите, и имеет другие параметры. Я также хотел бы рассмотреть вопрос о catch_warningsтом, какой контекстный менеджер автоматически сбрасывает исходную filterwarningsфункцию:

>>> import warnings
>>> with warnings.catch_warnings():
...     warnings.filterwarnings('error')
...     try:
...         warnings.warn(Warning())
...     except Warning: print 'Raised!'
... 
Raised!
>>> try:
...     warnings.warn(Warning())
... except Warning: print 'Not raised!'
... 
__main__:2: Warning: 

Чтобы добавить немного к ответу @ Bakuriu:

Если вы уже знаете, где может появиться предупреждение, то зачастую numpy.errstateлучше использовать менеджер контекста, чем тот, numpy.seterrкоторый обрабатывает все последующие предупреждения одного и того же типа независимо от того, где они появляются в вашем коде:

import numpy as np

a = np.r_[1.]
with np.errstate(divide='raise'):
    try:
        a / 0   # this gets caught and handled as an exception
    except FloatingPointError:
        print('oh no!')
a / 0           # this prints a RuntimeWarning as usual

Редактировать:

В моем исходном примере, который у меня был a = np.r_[0], но, видимо, произошло изменение в поведении numpy, так что деление на ноль обрабатывается по-разному в тех случаях, когда числитель - все нули. Например, в numpy 1.16.4:

all_zeros = np.array([0., 0.])
not_all_zeros = np.array([1., 0.])

with np.errstate(divide='raise'):
    not_all_zeros / 0.  # Raises FloatingPointError

with np.errstate(divide='raise'):
    all_zeros / 0.  # No exception raised

with np.errstate(invalid='raise'):
    all_zeros / 0.  # Raises FloatingPointError

Соответствующие предупреждающие сообщения также различны: 1. / 0.зарегистрирован как RuntimeWarning: divide by zero encountered in true_divide, тогда 0. / 0.как зарегистрирован как RuntimeWarning: invalid value encountered in true_divide. Я не уверен, почему именно это изменение было сделано, но я подозреваю, что это связано с тем фактом, что результат 0. / 0.не может быть представлен в виде числа (numpy возвращает NaN в этом случае), тогда как 1. / 0.и -1. / 0.return + Inf и -Inf соответственно согласно стандарту IEE 754

Если вы хотите перехватить оба типа ошибок, вы всегда можете передать их np.errstate(divide='raise', invalid='raise'), или all='raise'если вы хотите вызвать исключение для любого типа ошибки с плавающей запятой.

Чтобы уточнить ответ @ Bakuriu выше, я обнаружил, что это позволяет мне перехватывать предупреждение во время выполнения аналогично тому, как я получаю предупреждение об ошибке, красиво распечатывая предупреждение:

import warnings

with warnings.catch_warnings():
    warnings.filterwarnings('error')
    try:
        answer = 1 / 0
    except Warning as e:
        print('error found:', e)

Вы, вероятно, сможете поиграть с размещением размещения warnings.catch_warnings () в зависимости от того, какой большой зонт вы хотите использовать для отлова ошибок таким образом.

Удалите warnings.filterwarnings и добавьте:

numpy.seterr(all='raise')