Jak zwrócić 0 przez podzielenie przez zero

Próbuję wykonać mądry podział elementu w Pythonie, ale jeśli napotkano zero, potrzebuję, aby iloraz był równy zero.

Na przykład:

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

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

Zawsze mógłbym po prostu użyć pętli for w moich danych, ale aby naprawdę wykorzystać optymalizacje numpy, potrzebuję funkcji dzielenia, która zwraca 0 po dzieleniu przez zero, zamiast ignorować błąd.

O ile czegoś nie brakuje, nie wydaje się, że numpy.seterr () może zwracać wartości w przypadku błędów. Czy ktoś ma jakieś inne sugestie, w jaki sposób mogę uzyskać najlepsze wyniki z numpy, ustawiając własną obsługę błędów dzielenia przez zero?

W Numpy 1.7 + możesz skorzystać z opcji „where” dla ufuncs . Możesz robić rzeczy w jednej linii i nie musisz zajmować się menedżerem kontekstu 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]

W tym przypadku oblicza dzielenie wszędzie tam, gdzie „b” nie jest równe zero. Kiedy b jest równe zero, to pozostaje niezmienione w stosunku do wartości, którą pierwotnie podałeś w argumencie „out”.

Opierając się na odpowiedzi @Franck Dernoncourt, naprawiając -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])

Opierając się na innych odpowiedziach i ulepszając:

• 0/0obsługa poprzez dodanie invalid='ignore'donumpy.errstate()
• wprowadzenie numpy.nan_to_num()do konwersji np.nando 0.

Kod:

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))

Wynik:

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

One-linier (rzuca ostrzeżenie)

np.nan_to_num(array1 / array2)

Spróbuj zrobić to w dwóch krokach. Najpierw dziel, potem zamień.

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

Ta numpy.errstatelinia jest opcjonalna i po prostu zapobiega informowaniu przez numpy o "błędzie" dzielenia przez zero, ponieważ już zamierzasz to zrobić i zająć się tym przypadkiem.

Możesz również zamienić na podstawie inf, tylko jeśli dtypy tablicy są zmiennoprzecinkowe, zgodnie z tą odpowiedzią :

>>> 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.])

Jedną z odpowiedzi, jaką znalazłem podczas wyszukiwania powiązanego pytania, było manipulowanie danymi wyjściowymi w oparciu o to, czy mianownik był zerowy, czy nie.

Załóżmy arrayAi arrayBzostały zainicjowane, ale arrayBma kilka zer. Możemy wykonać następujące czynności, jeśli chcemy arrayC = arrayA / arrayBbezpiecznie obliczyć .

W takim przypadku ilekroć mam w jednej z komórek dzielenie przez zero, ustawiam komórkę na równą myOwnValue, co w tym przypadku będzie równe zero

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

Przypis: Z perspektywy czasu ta linia i tak jest niepotrzebna, ponieważ arrayC[i]jest tworzona na zero. Ale gdyby tak było myOwnValue != 0, ta operacja by coś zrobiła.

Inne rozwiązanie, o którym warto wspomnieć:

>>> 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.])