NumPy：用0除零返回0
我试图在Python中执行元素明智的鸿沟，但如果遇到零，我需要商为零。
例如：
array1 = np.array([0, 1, 2]) array2 = np.array([0, 1, 1]) array1 / array2 # should be np.array([0, 1, 2]) 我总是可以通过我的数据使用for循环，但要真正利用numpy的优化，我需要divide函数返回0除以零错误，而不是忽略错误。
除非我失去了一些东西，它似乎并不numpy.seterr（）可以返回错误的值。 有没有人有任何其他的build议，我怎样才能得到最好的numpy，同时设置我自己的鸿沟零error handling？
build立在@Franck Dernoncourt的答案，固定-1 / 0：
def div0( a, b ): """ ignore / 0, div0( [-1, 0, 1], 0 ) -> [0, 0, 0] """ with np.errstate(divide='ignore', invalid='ignore'): c = np.true_divide( a, b ) c[ ~ np.isfinite( c )] = 0 # -inf inf NaN return c div0( [-1, 0, 1], 0 ) array([0, 0, 0])
build立在其他答案，并改善：
- 通过向
numpy.errstate()添加invalid='ignore'来处理0/0 - 引入
numpy.nan_to_num()将np.nan转换为0。
码：
import numpy as np a = np.array([0,0,1,1,2], dtype='float') b = np.array([0,1,0,1,3], dtype='float') with np.errstate(divide='ignore', invalid='ignore'): c = np.true_divide(a,b) c[c == np.inf] = 0 c = np.nan_to_num(c) print('c: {0}'.format(c))
输出：
c: [ 0. 0. 0. 1. 0.66666667]
在numpy v1.7 +中，你可以利用ufuncs的“where”选项。 你可以在一行中做事情，而不必处理errstate上下文pipe理器。
>>> a = np.array([-1, 0, 1, 2, 3], dtype=float) >>> b = np.array([ 0, 0, 0, 2, 2], dtype=float) >>> c = np.divide(a, b, out=np.zeros_like(a), where=b!=0) >>> print(c) [ 0. 0. 0. 1. 1.5]
在这种情况下，它在任何地方进行除法计算，其中b不等于零。 当b等于零时，那么它与原来在“out”参数中给出的值无关。
尝试分两步进行。 先划分，然后更换。
with numpy.errstate(divide='ignore'): result = numerator / denominator result[denominator == 0] = 0
numpy.errstate行是可选的，只是防止numpy告诉你关于除以零的“错误”，因为你已经打算这样做，并处理这种情况。
对于那些喜欢一线球员的人来说，这是一个很好的窍门，而不是他们讨厌的警告：
np.nan_to_num(array1 / array2)
你也可以根据inf来replace，只要数组dtypes是浮点数就可以了。
>>> a = np.array([1,2,3], dtype='float') >>> b = np.array([0,1,3], dtype='float') >>> c = a / b >>> c array([ inf, 2., 1.]) >>> c[c == np.inf] = 0 >>> c array([ 0., 2., 1.])
我发现search相关问题的一个答案是根据分母是否为零来操作输出。
假设arrayA和arrayB已经初始化，但是arrayB有一些零。 如果我们想要安全地计算arrayC = arrayA / arrayB我们可以做到以下arrayC = arrayA / arrayB 。
在这种情况下，每当在一个单元格中除以零时，我将单元格设置为等于myOwnValue ，在这种情况下，它将为零
myOwnValue = 0 arrayC = np.zeros(arrayA.shape()) indNonZeros = np.where(arrayB != 0) indZeros = np.where(arrayB = 0) # division in two steps: first with nonzero cells, and then zero cells arrayC[indNonZeros] = arrayA[indNonZeros] / arrayB[indNonZeros] arrayC[indZeros] = myOwnValue # Look at footnote
脚注：回想起来，这行是不必要的，因为arrayC[i]被实例化为零。 但是，如果myOwnValue != 0的情况下，这个操作会做一些事情。
