python numpy 返回意外警告

使用python 2.7，scipy 1.0.0-3

显然我对 numpy where 函数应该如何运行有误解，或者它的运行中有一个已知的错误。我希望有人能告诉我哪个并解释一个解决方法来抑制我试图避免的恼人的警告。当我使用 pandas Series where() 时，我得到了相同的行为。

为了简单起见，我将使用 numpy 数组作为示例。假设我想在数组上应用 np.log() ，并且只有在条件为有效输入的情况下，即 myArray>0.0。对于不应应用此函数的值，我想将输出标志设置为 -999.9：

myArray = np.array([1.0, 0.75, 0.5, 0.25, 0.0])
np.where(myArray>0.0, np.log(myArray), -999.9)

我预计 numpy.where() 不会抱怨数组中的 0.0 值，因为那里的条件为 False，但它确实如此，并且似乎实际上针对该 False 条件执行：

-c:2: RuntimeWarning: divide by zero encountered in log 
array([  0.00000000e+00,  -2.87682072e-01,  -6.93147181e-01,
        -1.38629436e+00,  -9.99900000e+02])

The numpy 文档 states:

如果给定 x 和 y 并且输入数组是一维数组，其中相当于： [xv if c else yv for (c,xv,yv) in zip(条件,x,y)]

我不同意这种说法，因为

[np.log(val) if val>0.0 else -999.9 for val in myArray]

根本不提供任何警告：

[0.0, -0.2876820724517809, -0.69314718055994529, -1.3862943611198906, -999.9] 

那么，这是一个已知的错误吗？我不想抑制整个代码的警告。

您可以拥有log仅使用其可选的在相关位置进行评估where范围

np.where(myArray>0.0, np.log(myArray, where=myArray>0.0), -999.9)

或更有效地

mask = myArray > 0.0
np.where(mask, np.log(myArray, where=mask), -999)

或者如果你发现“double where”丑陋

np.log(myArray, where=myArray>0.0, out=np.full(myArray.shape, -999.9))

这三者中的任何一个都应该抑制该警告。