Jak złapać ostrzeżenie, jakby było to wyjątek (nie tylko do testowania)?

Muszę utworzyć wielomian Lagrange'a w Pythonie dla projektu, który robię. Robię styl barycentryczny, aby uniknąć używania jawnej pętli for w przeciwieństwie do stylu podzielonej różnicy Newtona. Problem, który mam, polega na tym, że muszę złapać dzielenie przez zero, ale Python (lub może numpy) po prostu sprawia, że ​​jest to ostrzeżenie zamiast normalnego wyjątku.

Tak więc muszę wiedzieć, jak to zrobić, to złapać to ostrzeżenie, jakby to był wyjątek. Odpowiedzi na pytania związane z tym, które znalazłem na tej stronie, nie były potrzebne. Oto mój kod:

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. 

Po wykonaniu tego kodu otrzymuję następujące dane:

Warning: divide by zero encountered in int_scalars

To ostrzeżenie, które chcę złapać. Powinien pojawić się wewnątrz rozumienia listy.

Wygląda na to, że Twoja konfiguracja używa printopcji dla 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])

Oznacza to, że ostrzeżenie, które widzisz, nie jest prawdziwym ostrzeżeniem, ale jest to tylko kilka znaków drukowanych stdout(zobacz dokumentację seterr). Jeśli chcesz go złapać, możesz:

1. Użycie, numpy.seterr(all='raise')które bezpośrednio spowoduje zgłoszenie wyjątku. To jednak zmienia zachowanie wszystkich operacji, więc jest to dość duża zmiana w zachowaniu.
2. Użyj numpy.seterr(all='warn'), który przekształci wydrukowane ostrzeżenie w prawdziwe ostrzeżenie, a będziesz mógł użyć powyższego rozwiązania, aby zlokalizować tę zmianę w zachowaniu.

Gdy otrzymasz ostrzeżenie, możesz użyć warningsmodułu, aby kontrolować, jak ostrzeżenia powinny być traktowane:

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

Przeczytaj uważnie dokumentację, filterwarningsponieważ pozwala filtrować tylko żądane ostrzeżenie i ma inne opcje. Zastanowiłbym się również nad tym, catch_warningsktóry jest menedżerem kontekstu, który automatycznie resetuje oryginalną filterwarningsfunkcję:

>>> 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: 

Aby dodać trochę do odpowiedzi @ Bakuriu:

Jeśli już wiesz, gdzie prawdopodobnie wystąpi ostrzeżenie, często lepiej jest użyć numpy.errstatemenedżera kontekstu, zamiast numpy.seterrtraktować wszystkie kolejne ostrzeżenia tego samego typu tak samo niezależnie od tego, gdzie występują w kodzie:

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

Edytować:

W moim oryginalnym przykładzie miałem a = np.r_[0], ale najwyraźniej nastąpiła zmiana w zachowaniu numpy'ego, tak że dzielenie przez zero jest traktowane inaczej w przypadkach, gdy licznik jest zerowy. Na przykład w 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

Odpowiednie komunikaty ostrzegawcze są również różne: 1. / 0.jest rejestrowany jako RuntimeWarning: divide by zero encountered in true_divide, a 0. / 0.jako RuntimeWarning: invalid value encountered in true_divide. Nie jestem pewien, dlaczego dokładnie ta zmiana została wprowadzona, ale podejrzewam, że ma to związek z faktem, że wynik 0. / 0.nie jest reprezentowalny jako liczba (numpy zwraca w tym przypadku NaN), podczas gdy 1. / 0.i -1. / 0.zwracają odpowiednio + Inf i -Inf , zgodnie ze standardem IEE 754.

Jeśli chcesz wyłapać oba typy błędów, zawsze możesz przejść np.errstate(divide='raise', invalid='raise'), lub all='raise'jeśli chcesz zgłosić wyjątek dla dowolnego rodzaju błędu zmiennoprzecinkowego.

Aby rozwinąć powyższą odpowiedź @ Bakuriu, stwierdziłem, że pozwala mi to złapać ostrzeżenie w czasie wykonywania w podobny sposób, w jaki złapałbym ostrzeżenie o błędzie, ładnie drukując ostrzeżenie:

import warnings

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

Prawdopodobnie będziesz mógł pobawić się rozmieszczeniem ostrzeżeń.catch_warnings () w zależności od tego, jak duży parasol chcesz zarzucić z wyłapywaniem błędów w ten sposób.

Usuń ostrzeżenia.filterwarnings i dodaj:

numpy.seterr(all='raise')