numpy.seterr#

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

设置如何处理浮点错误.

请注意,对整数标量类型(如"int16")的操作像浮点一样处理,并且受这些设置的影响.

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

一次设置所有类型的浮点错误的待遇:

默认是不更改当前行为.

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

除以零的处理方式.

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

无效的浮点运算的处理方式.

返回:
old_settingsdict

包含旧设置的字典.

参见

seterrcall

为"call"模式设置回调函数.

geterr , geterrcall , errstate

注释

浮点异常在 IEEE 754 标准 [1] 中定义:

  • 除以零:从有限数获得无限结果.

  • 溢出:结果太大而无法表示.

  • 下溢:结果太接近零以至于失去了一些精度.

  • 无效操作:结果不是可表达的数字,通常表示生成了 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'}
On this page