np.errstate比warnings.filterwarnings更合适，因其作用域明确、仅影响上下文内NumPy运算，且可区分divide/invalid/over等错误类型；它不支持自定义返回值，需配合np.where或np.nan_to_num后处理。
NumPy 除以零默认只发警告、不报错，但警告会干扰日志或掩盖真正问题；用 np.errstate 可精准控制行为，比全局关闭更安全。
为什么 np.errstate 比 warnings.filterwarnings 更合适
因为 np.errstate 作用域明确，只影响其上下文内的 NumPy 运算，不影响其他模块的警告；而全局过滤可能误吞 DeprecationWarning 或第三方库的提示。它还能区分 divide（除零）、invalid（如 sqrt(-1)）、over（上溢）等不同错误类型。
-
np.errstate(divide='ignore')：不报 warning，结果中对应位置为inf或-inf -
np.errstate(divide='warn')：恢复默认行为（仅 warning） -
np.errstate(divide='raise')：触发FloatingPointError异常，可用于主动校验
实际用法：在计算中局部抑制除零警告
常见于归一化、概率计算、图像处理等需要对数组逐元素除法的场景。例如计算相对强度时分母含零：
import numpy as np <p>data = np.array([1.0, 2.0, 0.0, 4.0]) denom = np.array([2.0, 0.0, 0.0, 8.0])</p><h1>默认行为：触发 RuntimeWarning: divide by zero encountered in true_divide</h1><h1>result = data / denom</h1><h1>安全做法：只在此处忽略除零</h1><p>with np.errstate(divide='ignore'): result = data / denom # 得到 [0.5, inf, nan, 0.5]</p><h1>注意：0/0 得到 <code>nan</code>，非零/0 才得 <code>inf</code>
若需统一替换这些特殊值，建议后续用 np.nan_to_num(result, nan=0.0, posinf=0.0, neginf=0.0) 处理，而不是在 errstate 中试图“返回 0”——它不支持自定义返回值。
立即学习“Python免费学习笔记（深入）”；
不能靠 errstate 实现“遇到零就返回 0”的原因
np.errstate 控制的是错误处理策略（忽略/警告/抛异常），**不提供自定义返回值的能力**。想让 0/0 → 0、5/0 → 0，必须显式后处理：
- 用
np.where(denom != 0, data / denom, 0.0)—— 推荐，语义清晰且向量化 - 先用
np.errstate(divide='ignore')计算，再用np.nan_to_num(..., nan=0.0, posinf=0.0, neginf=0.0) - 避免写
np.divide(data, denom, out=np.zeros_like(data), where=denom!=0)，它虽高效但容易因out类型不匹配引发静默截断（比如int数组）
容易被忽略的兼容性细节
np.errstate 在 NumPy 1.9+ 全面支持上下文管理器语法；旧版本需手动调用 old_settings = np.seterr(...) 再还原。另外，它对 ufunc（如 np.log、np.sqrt）同样生效，但对 Python 原生 / 操作符无效——后者走的是 Python 的除法规则，不触发 NumPy 的 error state。
如果你在 numba.jit 函数里做除法，np.errstate 也无效，得改用 np.divide 并配 where 参数或提前掩码。
