วิธีคืนค่า 0 โดยหารด้วยศูนย์

ฉันกำลังพยายามหารองค์ประกอบอย่างชาญฉลาดใน python แต่ถ้าพบศูนย์ฉันต้องการให้ผลหารเป็นศูนย์

ตัวอย่างเช่น:

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

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

ฉันสามารถใช้ for-loop ผ่านข้อมูลของฉันได้ตลอดเวลา แต่เพื่อใช้ประโยชน์จากการเพิ่มประสิทธิภาพของ numpy จริงๆฉันต้องการให้ฟังก์ชันการหารคืนค่า 0 เมื่อหารด้วยข้อผิดพลาดเป็นศูนย์แทนที่จะละเว้นข้อผิดพลาด

ดูเหมือนว่าnumpy.seterr ()ไม่สามารถคืนค่าได้หากไม่มีข้อผิดพลาด ใครมีข้อเสนอแนะอื่น ๆ เกี่ยวกับวิธีที่ฉันจะได้รับสิ่งที่ดีที่สุดในขณะที่ตั้งค่าการหารของตัวเองโดยการจัดการข้อผิดพลาดเป็นศูนย์?

ใน numpy v1.7 + คุณสามารถใช้ประโยชน์จากการ "ที่" ตัวเลือกสำหรับการufuncs คุณสามารถทำสิ่งต่างๆได้ในบรรทัดเดียวและไม่จำเป็นต้องจัดการกับตัวจัดการบริบทที่ผิดพลาด

>>> 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]

ในกรณีนี้จะคำนวณหารที่ 'โดยที่' b ไม่เท่ากับศูนย์ เมื่อ b เท่ากับศูนย์มันจะยังคงไม่เปลี่ยนแปลงจากค่าที่คุณให้ไว้ในอาร์กิวเมนต์ 'out'

สร้างจากคำตอบของ @Franck Dernoncourt แก้ไข -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])

สร้างคำตอบอื่น ๆ และปรับปรุง:

• 0/0จัดการโดยเพิ่มinvalid='ignore'ไปที่numpy.errstate()
• แนะนำnumpy.nan_to_num()การแปลงnp.nanเป็น0.

รหัส:

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))

เอาท์พุต:

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

ซับเดียว (พ่นคำเตือน)

np.nan_to_num(array1 / array2)

ลองทำในสองขั้นตอน หารก่อนแล้วแทนที่

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

numpy.errstateเส้นเป็นตัวเลือกและเพียงแค่ป้องกัน NumPy จากบอกคุณเกี่ยวกับ "ข้อผิดพลาด" ของการหารด้วยศูนย์ตั้งแต่คุณแล้วตั้งใจที่จะทำเช่นนั้นและการจัดการกรณีที่

นอกจากนี้คุณยังสามารถแทนที่ตามinfแต่ถ้าประเภทอาร์เรย์ลอยตามคำตอบนี้ :

>>> 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.])

คำตอบหนึ่งที่ฉันพบในการค้นหาคำถามที่เกี่ยวข้องคือการจัดการผลลัพธ์โดยพิจารณาว่าตัวส่วนเป็นศูนย์หรือไม่

สมมติว่าarrayAและarrayBได้รับการเริ่มต้น แต่arrayBมีบางศูนย์ เราสามารถทำสิ่งต่อไปนี้ได้หากต้องการคำนวณarrayC = arrayA / arrayBอย่างปลอดภัย

ในกรณีนี้เมื่อใดก็ตามที่ฉันมีการหารด้วยศูนย์ในเซลล์ใดเซลล์หนึ่งฉันจะตั้งค่าเซลล์ให้เท่ากับmyOwnValueซึ่งในกรณีนี้จะเป็นศูนย์

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

เชิงอรรถ: ในการมองย้อนกลับบรรทัดนี้ไม่จำเป็นอีกต่อไปเนื่องจากarrayC[i]ถูกสร้างอินสแตนซ์เป็นศูนย์ แต่ถ้าเป็นเช่นนั้นmyOwnValue != 0การดำเนินการนี้จะทำอะไรบางอย่าง

ทางออกอื่นที่ควรค่าแก่การกล่าวถึง:

>>> 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.])