np.vectorize中用try-except触发RuntimeWarning的原因及解决方法

np.vectorize本质是对元素做循环遍历的“伪向量化”工具。当处理np.nan时，代码里尝试将其转为int的操作会先触发NumPy的RuntimeWarning——这个警告是在Python的try-except捕获异常之前就被NumPy抛出的：因为np.nan属于浮点类型，强制转int时NumPy会先发出警告，随后才会抛出异常被except块捕获。所以即便try-except能保证功能正常，警告已经提前产生了。

方案1：精准屏蔽特定RuntimeWarning #

用Python的warnings模块只过滤这次触发的特定警告，不会影响其他正常警告：

import warnings
# 只屏蔽由nan转int引发的RuntimeWarning
warnings.filterwarnings("ignore", message="invalid value encountered in cast")

之后再运行向量化函数，警告就会被屏蔽。

方案2：改用Pandas原生向量化方法（推荐） #

np.vectorize效率较低，直接用Pandas的向量化操作可以彻底避免循环和警告，同时性能更优：

import pandas as pd
import numpy as np

df = pd.DataFrame({'numbers': [1.0, 9.0, np.nan]})
# 一步完成类型转换、填充缺失值、截断上限
df['adjusted_numbers'] = (
    pd.to_numeric(df['numbers'], errors='coerce')
    .fillna(2)
    .astype(int)
    .clip(upper=6)
)

这个方法完全不需要try-except和np.vectorize，从根源上避免了警告。

方案3：提前判断NaN，避免触发转int操作 #

在try-except块之前先检查输入是否为NaN，直接返回默认值，这样就不会执行转int的操作，自然不会触发警告：

import numpy as np
import pandas as pd

@np.vectorize
def adjust_number(x):
    if np.isnan(x):
        return 2
    try:
        num = int(x)
    except:
        num = 2
    return min(num, 6)

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

内容的提问来源于stack exchange，提问作者mortysporty