NumPy: возврат 0 с делением на ноль

Я пытаюсь выполнить деление по элементам в python, но если встречается нуль, мне нужно, чтобы фактор был просто нулем.

например:

array1 = np.array([0, 1, 2])
array2 = np.array([0, 1, 1])

array1 / array2 # should be np.array([0, 1, 2])

Я всегда мог бы использовать цикл for через мои данные, но чтобы действительно использовать оптимизации numpy, мне нужна функция divide для возврата 0 при делении на ноль ошибок вместо игнорирования ошибки.

Если я не упускаю что-то, это не кажется и NumPy.seterr() может возвращать значения по ошибкам. У кого-нибудь есть другие предложения о том, как я мог бы получить лучшее из numpy, установив свой собственный деление на нулевую обработку ошибок?

50
arrays divide-by-zero error-handling numpy python

7 ответов

в numpy v1.7+, Вы можете воспользоваться опцией "где" для ufuncs. Вы можете делать вещи в одной строке, и вам не нужно иметь дело с контекстным менеджером errstate.

>>> a = np.array([-1, 0, 1, 2, 3], dtype=float)
>>> b = np.array([ 0, 0, 0, 2, 2], dtype=float)

# If you don't pass `out` the indices where (b == 0) will be uninitialized!
>>> c = np.divide(a, b, out=np.zeros_like(a), where=b!=0)
>>> print(c)
[ 0.   0.   0.   1.   1.5]

в этом случае он выполняет вычисление деления в любом месте " где " b не равно нулю. Когда b равен нулю, он остается неизменным от того значения, которое вы изначально дали ему в аргументе "out".

74

основываясь на ответе @Franck Dernoncourt, фиксируя -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])
36

основываясь на других ответах и улучшая:

код:

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))

выход:

c: [ 0.          0.          0.          1.          0.66666667]
34

шутка (бросает предупреждение)

np.nan_to_num(array1 / array2)
13

попробуйте сделать это в два шага. Сначала отдел, потом замена.

with numpy.errstate(divide='ignore'):
    result = numerator / denominator
    result[denominator == 0] = 0

на numpy.errstate строка необязательна и просто не позволяет numpy сообщать вам об "ошибке" деления на ноль, так как вы уже намереваетесь это сделать и обрабатываете этот случай.

10

вы также можете заменить на основе inf, только если dtypes массива поплавки, согласно ответ:

>>> 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.])
2

один ответ, который я нашел при поиске связанного вопроса, состоял в том, чтобы манипулировать выводом на основе того, равен ли знаменатель нулю или нет.

предположим arrayA и arrayB были инициализированы, но arrayB имеет одни нули. Мы могли бы сделать следующее, если мы хотим вычислить arrayC = arrayA / arrayB безопасно.

в этом случае, когда у меня есть деление на ноль в одной из ячеек, я устанавливаю ячейку равной myOwnValue, который в этом случае будет равен нулю

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

сноску: Оглядываясь назад, эта строка все равно не нужна, так как arrayC[i] экземпляр равен нулю. Но если бы это было так ... --7-->, эта операция что-то сделает.

0