np.vectorize 中带有 try except 的函数返回错误消息

Question

我有一个矢量化函数，可以对数字进行简单的调整

import pandas as pd
import numpy as np

@np.vectorize
def adjust_number(number: int) -> int:

    max_number = 6
    default_substitue = 2

    # Try to convert to int, if not possible, use default_substitue
    try:
        number = int(number)
    except:
        number = default_substitue

    return min(number, max_number)

我在数据框上应用该函数

df = pd.DataFrame({'numbers': [1.0, 9.0, np.nan]})
df = df.assign(adjusteded_number=lambda x: adjust_number(x['numbers']))

这会返回预期的输出，但我也收到一条奇怪的返回消息

c:\Users\xxx\AppData\Local\Programs\Python\Python310\lib\site-packages\numpy\lib\function_base.py:2412: RuntimeWarning: invalid value encountered in adjust_number (vectorized)
outputs = ufunc(*inputs)

这不是一个大问题，但很烦人。该错误似乎是由

try-except

触发的。如果我修改该函数，删除

try-except

（在不破坏功能的情况下我确实无法做到这一点），错误就会消失。

造成这种情况的原因是什么以及如何消除错误消息？

Answer 1

如果您担心的是 NaN/无穷大，您可以使用 NumPy

isfinite

函数来检查这些：

@np.vectorize
def adjust_number(number: int) -> int:
    max_number = 6
    default_substitue = 2

    # Try to convert to int, if not possible, use default_substitue
    if np.isfinite(number):
        number = int(number)
    else:
        number = default_substitue

    return min(number, max_number)