Cách trả về 0 với số chia cho 0

Tôi đang cố thực hiện phép chia khôn ngoan phần tử trong python, nhưng nếu gặp số 0, tôi cần thương số chỉ bằng 0.

Ví dụ:

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

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

Tôi luôn có thể chỉ sử dụng vòng lặp for thông qua dữ liệu của mình, nhưng để thực sự tận dụng tối ưu hóa của numpy, tôi cần hàm chia để trả về 0 khi chia cho 0 lỗi thay vì bỏ qua lỗi.

Trừ khi tôi thiếu thứ gì đó, có vẻ như numpy.seterr () không thể trả về giá trị khi có lỗi. Có ai có bất kỳ đề xuất nào khác về cách tôi có thể tận dụng tốt nhất từ ​​numpy trong khi đặt lỗi chia cho 0 của riêng tôi xử lý lỗi không?

Trong numpy v1.7 +, bạn có thể tận dụng tùy chọn "ở đâu" cho các chức năng . Bạn có thể làm mọi việc trong một dòng và bạn không phải đối phó với trình quản lý ngữ cảnh sai lầm.

>>> 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]

Trong trường hợp này, nó thực hiện phép tính chia ở bất kỳ đâu 'trong đó' b không bằng 0. Khi b bằng 0, thì nó vẫn không thay đổi so với bất kỳ giá trị nào bạn đã cho nó ban đầu trong đối số 'out'.

Dựa trên câu trả lời của @Franck Dernoncourt, sửa -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])

Xây dựng dựa trên các câu trả lời khác và cải thiện:

• 0/0xử lý bằng cách thêm invalid='ignore'vàonumpy.errstate()
• giới thiệu numpy.nan_to_num()để chuyển đổi np.nansang 0.

Mã:

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))

Đầu ra:

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

Một lớp lót (cảnh báo ném)

np.nan_to_num(array1 / array2)

Hãy thử làm điều đó trong hai bước. Phân chia trước, sau đó thay thế.

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

Các numpy.errstatedòng là không bắt buộc, và chỉ ngăn chặn NumPy từ nói cho bạn về những "lỗi" chia cho số không, vì bạn đã có ý định làm như vậy, và xử lý các trường hợp đó.

Bạn cũng có thể thay thế dựa trên inf, chỉ khi các kiểu mảng là số nổi, theo câu trả lời sau:

>>> 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.])

Một câu trả lời mà tôi tìm thấy khi tìm kiếm một câu hỏi liên quan là thao tác đầu ra dựa trên việc mẫu số có bằng 0 hay không.

Giả sử arrayAvà arrayBđã được khởi tạo, nhưng arrayBcó một số số không. Chúng tôi có thể làm như sau nếu chúng tôi muốn tính toán arrayC = arrayA / arrayBmột cách an toàn.

Trong trường hợp này, bất cứ khi nào tôi có số chia cho 0 ở một trong các ô, tôi đặt ô đó bằng myOwnValue, trong trường hợp này sẽ là 0

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

Chú thích cuối trang: Nhìn lại, dòng này dù sao cũng không cần thiết, vì arrayC[i]nó được khởi tạo bằng 0. Nhưng nếu là trường hợp đó myOwnValue != 0, hoạt động này sẽ làm được điều gì đó.

Một giải pháp khác đáng đề cập:

>>> 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.])