Numpy零除异常捕获失效：RuntimeWarning及NaN结果问题排查与修正

嘿，这个问题我之前也踩过坑！核心点在于：NumPy处理浮点标量的除以0操作时，并不会抛出Python原生的ZeroDivisionError异常，而是返回nan（Not a Number）这个特殊浮点值，同时只弹出一个RuntimeWarning。这就是你的try-except块完全没起作用的原因——根本没有异常被触发，except分支自然不会执行，最后打印的就是运算出来的nan。

NumPy这么设计是为了适配数值计算的场景：很多时候我们处理的是批量数组，总不能因为某一个元素除以0就让整个程序崩溃吧？所以它用警告提示问题，同时返回nan/inf这类标记值，让程序能继续运行处理后续数据。

根据你的需求，有几种靠谱的解决方式：

方案1：把NumPy的警告转成异常捕获 #

你可以通过warnings模块或者NumPy自带的设置，把特定的RuntimeWarning转为异常，这样try-except就能抓到了：

import numpy as np
import warnings

# 把"invalid value encountered"这类RuntimeWarning转为异常
warnings.filterwarnings("error", category=RuntimeWarning, message="invalid value encountered in double_scalars")

s = np.zeros(2)
try:
    a = s[0]/s[1]
except RuntimeWarning:
    a = 10.0
print(a)  # 输出10.0

或者用NumPy原生的seterr方法，更精准：

import numpy as np

# 先保存原来的设置，后面要恢复
old_err_settings = np.seterr(invalid='raise')

s = np.zeros(2)
try:
    a = s[0]/s[1]
except FloatingPointError:
    a = 10.0
# 恢复默认设置，避免影响后续代码
np.seterr(**old_err_settings)
print(a)  # 输出10.0

方案2：提前判断分母是否为0 #

最直接的方式就是先检查分母s[1]是不是0，再决定运算逻辑：

import numpy as np

s = np.zeros(2)
if s[1] == 0:
    a = 10.0
else:
    a = s[0]/s[1]
print(a)  # 输出10.0

这种方法完全不会触发警告，逻辑也一目了然。

方案3：用NumPy的where批量处理（适合数组场景） #

如果你的实际需求是处理批量数组而不是单个标量，np.where会非常好用：

import numpy as np

# 示例：2行2列的数组
s = np.zeros((2, 2))
# 分母为0时取10.0，否则执行除法
a = np.where(s[:, 1] == 0, 10.0, s[:, 0]/s[:, 1])
print(a)  # 输出[10.0 10.0]

顺便提一句：如果你的数组是整数类型（比如np.zeros(2, dtype=int)），那除以0的时候NumPy会直接抛出ZeroDivisionError，这时候普通的try-except就能捕获到了。比如：

s = np.zeros(2, dtype=int)
try:
    a = s[0]/s[1]
except ZeroDivisionError:
    a = 10.0
print(a)  # 输出10.0

内容的提问来源于stack exchange，提问作者Vladimir