Desarrollo de Python
  1. Desarrollo de Python
  3. ¿Cuál podría ser la causa del ‘valor inválido encontrado en less_equal’ en números?
Intereting Posts
pandas plot time series Suma una lista de Pandas DataFrames cadena de centro de Python usando especificador de formato Aumente todos los valores de las listas en un incremento ¿Imponer nombres de archivos de carga únicos usando django? No se pueden servir archivos estáticos como css, js en django python Pandas reemplazando elementos que no funcionan. ¿Hay una mejora en el rendimiento al definir rutas en app.yaml en comparación con una asignación grande en una aplicación WSGIA en AppEngine? ¿Es posible probar solo funciones específicas con doctest en un módulo? ¿Por qué no se declara una función como asíncrona de tipos de tipos.CoroutineType? No se puede actualizar tensorflow en mac Reemplace nth aparición de subcadena en cadena PyGObject y glade envían ventana al frente La forma más eficiente de buscar las últimas x líneas de un archivo en python ¿Cómo estimo las posiciones de dos cámaras en OpenCV?

¿Cuál podría ser la causa del ‘valor inválido encontrado en less_equal’ en números?

Experimenté un RuntimeWarning 

RuntimeWarning: invalid value encountered in less_equal

Generado por esta línea de código mío: 

 center_dists[j] <= center_dists[i]

Tanto center_dists[j] como center_dists[i] son matrices numpy

¿Cuál podría ser la causa de esta advertencia?

Eso es más probable que ocurra debido a un np.nan en algún lugar de las entradas involucradas. Un ejemplo de ello se muestra a continuación: 

 In [1]: A = np.array([4, 2, 1]) In [2]: B = np.array([2, 2, np.nan]) In [3]: A<=B RuntimeWarning: invalid value encountered in less_equal Out[3]: array([False, True, False], dtype=bool)

Para todas aquellas comparaciones que involucran np.nan , daría como resultado False . Confirmémoslo para una comparación broadcasted . Aquí hay una muestra: 

 In [1]: A = np.array([4, 2, 1]) In [2]: B = np.array([2, 2, np.nan]) In [3]: A[:,None] <= B RuntimeWarning: invalid value encountered in less_equal Out[3]: array([[False, False, False], [ True, True, False], [ True, True, False]], dtype=bool)

Observe la tercera columna en la salida que corresponde a la comparación que involucra el tercer elemento np.nan en B y que da como resultado todos los valores False .

Como seguimiento a la respuesta de Divakar y al comentario sobre cómo suprimir RuntimeWarning , una forma más segura es suprimirlos solo localmente with np.errstate() ( docs ): es bueno estar alerta en general cuando se comparan con np.nan False , e ignora la advertencia solo cuando esto es realmente lo que se pretende. Aquí para el ejemplo de OP: 

 with np.errstate(invalid='ignore'): center_dists[j] <= center_dists[i]

Al salir del bloque with , el manejo de errores se restablece a lo que era antes.

En lugar de invalid value encountered un invalid value encountered , también se pueden ignorar todos los errores pasando all='ignore' . Curiosamente, esto falta en los kwargs en los documentos para np.errstate() , pero no en los de np.seterr() . (Parece un pequeño error en los documentos np.errstate() ).