Як повернути 0 з діленням на нуль

Я намагаюся виконати роздільний елемент, що відповідає розуму, в python, але якщо зустрічається нуль, мені потрібний коефіцієнт, який просто дорівнює нулю.

Наприклад:

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

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

Я завжди міг просто використовувати цикл for-циклу через свої дані, але для того, щоб реально використовувати оптимізацію numpy, мені потрібна функція ділення, щоб повернути 0 при поділі на нуль помилок, а не ігнорувати помилку.

Якщо я чогось не пропускаю, це не здається numpy.seterr () може повертати значення при помилках. Чи є у когось якісь пропозиції щодо того, як я міг би отримати найкраще з нумету під час встановлення власного поділу на обробці нульових помилок?

У numpy v1.7 + ви можете скористатися опцією "де" для ufuncs . Ви можете робити речі в один рядок, і вам не доведеться мати справу з менеджером контексту помилок.

>>> 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]

У цьому випадку він робить розрахунок ділення де завгодно, де 'b не дорівнює нулю. Коли b дорівнює нулю, воно залишається незмінним порівняно з тим значенням, яке ви спочатку вказали в аргументі 'out'.

Спираючись на відповідь @Franck Dernoncourt, фіксуючи -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])

Спираючись на інші відповіді та вдосконалюючи:

• 0/0обробка шляхом додавання invalid='ignore'доnumpy.errstate()
• введення numpy.nan_to_num()в конвертувати 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))

Вихід:

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

Однокласний (кидає попередження)

np.nan_to_num(array1 / array2)

Спробуйте зробити це у два кроки. Спочатку поділ, потім заміна.

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

numpy.errstateЛінія НЕ є обов'язковим, і тільки заважає Numpy звіщати вам про «помилки» поділу на нуль, так як ви вже маєте намір зробити це, і регулювати цю справу.

Ви також можете замінити на основі inf, лише якщо типи масиву є плаваючими, відповідно до цієї відповіді :

>>> 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.])

Одна з відповідей, яку я знайшов, шукаючи пов'язане з цим питання, - це маніпулювати результатом на основі того, чи знаменник дорівнює нулю чи ні.

Нехай arrayAі arrayBініціалізовані, але arrayBмає деякі нулі. Ми можемо зробити наступне, якщо хочемо arrayC = arrayA / arrayBбезпечно обчислювати .

У цьому випадку, коли в одній з комірок у мене ділиться на нуль, я встановлюю комірку рівною myOwnValue, що в цьому випадку буде нулем

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

Виноска: Ретроспективно цей рядок у будь-якому випадку непотрібний, оскільки arrayC[i]екземпляр дорівнює нулю. Але якби так було myOwnValue != 0, ця операція щось зробила б.

Інше рішення, яке варто згадати:

>>> 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.])