Nieoczekiwany wyjątek w numpy.isfinite()

Question

Dostaję ten wyjątek z powodu, którego nie rozumiem. Jest to dość skomplikowane, gdzie mój np.array v pochodzi, ale tutaj jest kod, gdy wystąpi wyjątek:

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 

To daje następujący wynik:

[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'' 

ja nie rozumiem TypeError . Wszystkie elementy to np.float64 i powinny być w porządku. Może błąd? Ten błąd pojawia się tylko czasami, ale nie mogę znaleźć różnic między tablicami. Zawsze mają ten sam typ.

Z góry dziękuję.

EDIT: Przykład roboczy:

Struktury danych są tak małe, jak pokazano powyżej.

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!" 

ten prowadzony jest tutaj używając:

MacOSX Mavericks, Python 2.7.6, 1.8.1, numpy pandy 0.13.1

Answer 1

H_estim.values jest numpy tablicy z typem danych object (Spójrz na 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') 

W object tablicy, dane przechowywane w pamięci tablicy są wskaźniki do obiektów Pythona, nie same obiekty. W tym przypadku obiekty są np.float64 przypadki:

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

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

więc pod wieloma względami, w tym tablica wygląda i zachowuje się jak tablica np.float64 wartości, ale to nie jest to samo. W szczególności numpy ufuncs (w tym np.isfinite) nie obsługuje tablic obiektów.

H_estim.values.astype(np.float64) konwertuje tablicę na taką z typem danych np.float64 (tj. Tablicą, w której elementy tablicy są rzeczywistymi wartościami zmiennoprzecinkowymi, a nie wskaźnikami do obiektów). Porównaj poniższe dane z wynikami pokazanymi powyżej dla 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

przyjąć, że "Wszystkie elementy są np.float64 i powinno być w porządku: ". Tak jednak nie jest. Jak duża jest struktura danych? Czy możesz spojrzeć na wszystkie wartości i znaleźć coś podejrzanego? Od http://matplotlib.1069221.n5.nabble.com/type-error-with-python-3-2-and-version-1-1-1-of-matplotlib-numpy-error-td38784.html widzimy, że ten problem może pojawić się w przypadku typów danych Decimal. Czy istnieje sposób, aby stworzyć minimalny przykład roboczy, który odtwarza problem? Powinno być możliwe, a kiedy utworzysz ten przykład, najprawdopodobniej już dokładnie wskażesz problem.