Comment réparer : runtimewarning : valeur non valide rencontrée dans double_scalars

Une erreur que vous pouvez rencontrer en Python est :

runtimewarning: invalid value encountered in double_scalars

Cette erreur se produit lorsque vous tentez d’effectuer une opération mathématique impliquant des nombres extrêmement petits ou extrêmement grands et que Python génère simplement une valeur NaN comme résultat.

L’exemple suivant montre comment corriger cette erreur dans la pratique.

Comment reproduire l’erreur

Supposons que nous essayions d’effectuer l’opération mathématique suivante avec deux tableaux NumPy :

import numpy as np

#define two NumPy arrays
array1 = np.array([[1100, 1050]])
array2 = np.array([[1200, 4000]])

#perform complex mathematical operation
np.exp(-3*array1).sum() / np.exp(-3*array2).sum()

RuntimeWarning: invalid value encountered in double_scalars

Nous recevons un RuntimeWarning car le résultat au dénominateur est extrêmement proche de zéro.

Cela signifie que la réponse au problème de division sera extrêmement grande et que Python est incapable de gérer une valeur aussi grande.

Comment réparer l’erreur

Généralement, le moyen de corriger ce type d’erreur consiste à utiliser une fonction spéciale d’une autre bibliothèque Python, capable de gérer des valeurs extrêmement petites ou extrêmement grandes dans les calculs.

Dans ce cas, nous pouvons utiliser la fonction logsumexp() de la bibliothèque SciPy :

import numpy as np
from scipy.special import logsumexp

#define two NumPy arrays
array1 = np.array([[1100, 1050]])
array2 = np.array([[1200, 4000]])

#perform complex mathematical operation
np.exp(logsumexp(-3*array1) - logsumexp(-3*array2))

2.7071782767869983e+195

Notez que le résultat est extrêmement volumineux mais nous ne recevons aucune erreur car nous avons utilisé une fonction mathématique spéciale de la bibliothèque SciPy conçue pour gérer ces types de nombres.

Dans de nombreux cas, il vaut la peine de rechercher des fonctions spéciales de la bibliothèque SciPy capables de gérer des opérations mathématiques extrêmes, car ces fonctions sont spécifiquement conçues pour le calcul scientifique.

Remarque : Vous pouvez trouver la documentation complète en ligne de la fonction logsumexp() ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment corriger d’autres erreurs courantes en Python :

Comment réparer KeyError dans Pandas
Comment réparer : ValueError : impossible de convertir le float NaN en entier
Comment réparer : ValueError : les opérandes n’ont pas pu être diffusés avec les formes