Numba装饰函数弃用警告常规屏蔽方法失效问题求助

问题原因 #

• @jit(warn=False)参数在新版Numba中已被完全移除，调用时自然会报错，该参数早已失效。
• warnings.catch_warnings()逻辑失效主要对应两个核心原因，完全匹配你遇到的断点生效、直接运行失效的现象：
  1. 未正确导入警告类：NumbaDeprecationWarning、NumbaPendingDeprecationWarning不属于Python内置警告类，需要从numba.core.errors中显式导入，你写的过滤规则实际是针对不存在的警告类型，完全不生效。断点调试时生效是因为调试环境大概率已经提前导入过对应的警告类，规则可以正常匹配。
  2. Numba采用懒编译机制，弃用警告是在函数第一次被调用触发编译时抛出的，如果在你进入with warnings.catch_warnings()块之前，annualize函数已经在其他位置被调用触发过编译、抛出过警告，后续的过滤规则自然无法拦截已经发生的警告。
• 你遇到的弃用警告大概率是新版Numba对无参数@jit装饰器的弃用提示：现在Numba已不推荐不加nopython参数的@jit写法，默认会提示未来版本会取消自动回退object模式的逻辑。

可行解决方案 #

1. 最优解：从根源消除警告（推荐） #

你写的annualize函数全是NumPy运算和简单循环，完全支持Numba的nopython编译模式，直接把装饰器改成@jit(nopython=True)即可，既可以完全消除弃用警告，还能获得更高的执行性能，原有函数逻辑不需要做任何修改：

from numba import jit
import numpy as np

@jit(nopython=True)
def annualize(data, freq=12, type='log'):
    T = data.shape[1]
    N = data.shape[0]
    rets = np.zeros([N,T-freq])
    for t in range(freq, T):
        valid = (data[:, t-freq] != 0.0) * (data[:, t] != 0.0)
        data0 = data[:, t-freq] * valid
        data1 = data[:, t] * valid
        if type == 'log':
            rets[:, t-freq] = np.log(data1) - np.log(data0)
        elif type == 'perc':
            rets[:, t-freq] = data1 / data0 - 1

    rets[np.isnan(rets)] = 0
    return rets

2. 屏蔽警告方案：提前设置全局过滤规则 #

如果确实需要保留原有装饰器写法、只做警告屏蔽，不要只在调用函数内用with块拦截，直接在脚本最开头、所有导入语句之前就设置警告过滤，同时显式导入对应的警告类：

import warnings
from numba.core.errors import NumbaDeprecationWarning, NumbaPendingDeprecationWarning

# 提前全局设置过滤规则，不管函数什么时候触发编译都能拦截
warnings.simplefilter('ignore', category=NumbaDeprecationWarning)
warnings.simplefilter('ignore', category=NumbaPendingDeprecationWarning)

# 后续再导入其他依赖、定义函数和类
from numba import jit
import numpy as np

# 剩余原有代码保持不变

3. 临时调试快速方案：启动时设置环境变量 #

不需要修改代码，运行脚本时指定环境变量即可全局关闭所有Numba相关警告，适合临时调试场景：

NUMBA_DISABLE_WARNINGS=1 python your_script.py

内容的提问来源于stack exchange，提问作者deblue