Как вернуть 0 с делением на ноль

Я пытаюсь выполнить поэлементное деление в python, но если встречается ноль, мне нужно, чтобы частное было 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 просто использовать цикл for для моих данных, но чтобы действительно использовать оптимизацию numpy, мне нужно, чтобы функция деления возвращала 0 при делении на ноль ошибок вместо игнорирования ошибки.

Если я чего-то не упускаю, похоже, что numpy.seterr () может возвращать значения при ошибках. Есть ли у кого-нибудь другие предложения о том, как я могу получить максимальную отдачу от numpy, устанавливая собственный разделитель на нулевую обработку ошибок?

В numpy v1.7 + вы можете воспользоваться опцией «где» для ufuncs . Вы можете делать что-то в одной строке, и вам не нужно иметь дело с диспетчером контекста 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 вычисление деления выполняется везде, где b не равно нулю. Когда b действительно равно нулю, оно остается неизменным по сравнению с тем значением, которое вы изначально указали в аргументе out.

Основываясь на ответе @Franck Dernoncourt, исправляя -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])

Основываясь на других ответах и ​​улучшая:

• 0/0обработка путем добавления invalid='ignore'кnumpy.errstate()
• знакомство numpy.nan_to_num()с преобразованием np.nanв 0.

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))

Вывод:

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

Однострочный (выдает предупреждение)

np.nan_to_num(array1 / array2)

Попробуйте сделать это в два этапа. Сначала деление, затем замена.

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

numpy.errstateЛиния не является обязательным, и только мешает Numpy возвещать вам о «ошибки» деления на ноль, так как вы уже намерены сделать это, и регулировать это дело.

Вы также можете заменить на основе inf, только если dtypes массива являются плавающими, согласно этому ответу :

>>> 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.])

Один ответ, который я нашел при поиске связанного вопроса, заключался в том, чтобы манипулировать выводом в зависимости от того, был ли знаменатель нулевым или нет.

Предположим arrayAиarrayB были инициализированы, но arrayBимеют несколько нулей. Мы могли бы сделать следующее, если хотим вычислитьarrayC = arrayA / arrayB безопасно .

В этом случае, всякий раз, когда у меня делится на ноль в одной из ячеек, я устанавливаю ячейку равной myOwnValue , что в данном случае будет равно 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

Сноска. Оглядываясь назад, можно сказать, что эта строка в любом случае не нужна, поскольку arrayC[i]ее экземпляр равен нулю. Но если бы это было так myOwnValue != 0, эта операция что-то сделала бы.

Еще одно решение, о котором стоит упомянуть:

>>> a = np.array([1,2,3], dtype='float')
>>> b = np.array([0,1,3], dtype='float')
>>> b_inv = np.array([1/i if i!=0 else 0 for i in b])
>>> a*b_inv
array([0., 2., 1.])