Ngoại lệ không mong muốn trong numpy.isfinite()

Question

Tôi nhận ngoại lệ này vì lý do tôi không hiểu. Nó là khá phức tạp, nơi tôi np.array v đến từ đâu, nhưng đây là mã khi ngoại lệ xảy ra:

print v, type(v) 

for val in v: 
    print val, type(val) 

print "use isfinte() with astype(float64): " 
np.isfinite(v.astype("float64")) 

print "use isfinite() as usual: " 
try: 
    np.isfinite(v) 
except Exception,e: 
    print e 

Điều này cho phép đầu ra sau đây:

[6.4441947744288255 7.2246449651781788 4.1028442021807656 
4.8832943929301189] <type 'numpy.ndarray'> 

6.44419477443 <type 'numpy.float64'> 
7.22464496518 <type 'numpy.float64'> 
4.10284420218 <type 'numpy.float64'> 
4.88329439293 <type 'numpy.float64'> 

np.isfinte() with astype(float64): 
[ True True True True] 

np.isfinte() as usual: 
ufunc 'isfinite' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe'' 

Tôi không hiểu được TypeError . Tất cả các phần tử là np.float64 và sẽ ổn. Có thể là một lỗi? Lỗi này đôi khi chỉ thỉnh thoảng xảy ra, nhưng tôi không thể tìm thấy sự khác biệt giữa các mảng. Luôn luôn có cùng loại.

Xin cảm ơn trước.

EDIT: Ví dụ làm việc:

Cấu trúc dữ liệu nhỏ như trình bày ở trên.

import pandas as pd 
import numpy as np 


def forward_estim(H,end): 

    old_idx = H.index 
    new_idx = pd.period_range(old_idx[-1],end,freq=old_idx.freq) 

    H_estim = pd.DataFrame(columns=["A","B","C","D"],index=new_idx) 

    H_chg = H.values[1:]-H.values[:-1] 
    mean_ = H_chg.mean() 
    std_ = H_chg.std() 

    H_estim.ix[0] = H.ix[-1] 

    for i in range(1,len(H_estim)): 
     H_estim.A[i] = H_estim.A[i-1] + mean_ + std_/2 
     H_estim.B[i] = H_estim.B[i-1] + mean_ + std_ 
     H_estim.C[i] = H_estim.C[i-1] + mean_ - std_ 
     H_estim.D[i] = H_estim.D[i-1] + mean_ - std_/2 

    return H_estim.ix[1:] 


H_idx = pd.period_range("2010-01-01","2012-01-01",freq="A") 
print H_idx 

H = pd.Series(np.array([2.3,3.0,2.9]),index=H_idx) 
print H 

H_estim = forward_estim(H,"2014-01-01") 
print H_estim 

np.isfinite(H_estim.values.astype("float64")) 
print "This works!" 

np.isfinite(H_estim.values) 
print "This does not work!" 

này được điều hành ở đây sử dụng:

MacOSX Mavericks, Python 2.7.6, 1.8.1 NumPy, gấu trúc 0.13.1

Answer 1

H_estim.values là một mảng NumPy với kiểu dữ liệu object (hãy nhìn vào H_estim.values.dtype):

In [62]: H_estim.values 
Out[62]: 
array([[3.4000000000000004, 3.6000000000000005, 2.7999999999999998, 3.0], 
     [3.9000000000000004, 4.3000000000000007, 2.6999999999999993, 
     3.0999999999999996]], dtype=object) 

In [63]: H_estim.values.dtype 
Out[63]: dtype('O') 

Trong một mảng object, dữ liệu được lưu trữ trong bộ nhớ của mảng là con trỏ đến đối tượng python, không chính các đối tượng. Trong trường hợp này, các đối tượng là np.float64 trường hợp:

In [65]: H_estim.values[0,0] 
Out[65]: 3.4000000000000004 

In [66]: type(H_estim.values[0,0]) 
Out[66]: numpy.float64 

Vì vậy, trong nhiều khía cạnh, mảng này trông và hoạt động như một mảng của np.float64 giá trị, nhưng nó không phải là như nhau. Đặc biệt, các ufuncs (bao gồm np.isfinite) không xử lý các mảng đối tượng.

H_estim.values.astype(np.float64) chuyển mảng thành một với kiểu dữ liệu np.float64 (ví dụ: mảng trong đó phần tử mảng là giá trị dấu phẩy động thực tế, không trỏ đến đối tượng). So sánh phần sau với kết quả được hiển thị ở trên cho H_estim.values.

In [70]: a = H_estim.values.astype(np.float64) 

In [71]: a 
Out[71]: 
array([[ 3.4, 3.6, 2.8, 3. ], 
     [ 3.9, 4.3, 2.7, 3.1]]) 

In [72]: a.dtype 
Out[72]: dtype('float64') 

Answer 2

Bạn cho rằng "Tất cả các yếu tố này là np.float64 và sẽ ổn thôi. ". Tuy nhiên, điều này có thể không phải là trường hợp. Cấu trúc dữ liệu lớn bao nhiêu? Bạn có thể xem xét tất cả các giá trị và tìm thấy điều gì đó đáng ngờ không? Từ http://matplotlib.1069221.n5.nabble.com/type-error-with-python-3-2-and-version-1-1-1-of-matplotlib-numpy-error-td38784.html, chúng tôi thấy rằng sự cố này có thể xuất hiện với các loại dữ liệu Decimal. Có cách nào để bạn tạo ra một ví dụ làm việc tối thiểu tái tạo vấn đề? Nó sẽ là có thể, và khi bạn tạo ví dụ này, nó rất có thể đã xác định được vấn đề.