在numpy（子）数组中除以零答案

【问题标题】：Division by zero in numpy (sub)arrays在numpy（子）数组中除以零
【发布时间】：2014-01-14 09:46:08
【问题描述】：

我有三个数组，它们用数学函数处理以获得最终结果数组。一些数组包含 NaN，一些包含 0。但是除以零逻辑上会引发警告，使用 NaN 的计算会给出 NaN。所以我想对涉及零的数组的某些部分进行某些操作：

r=numpy.array([3,3,3])
k=numpy.array([numpy.nan,0,numpy.nan])
n=numpy.array([numpy.nan,0,0])
1.0*n*numpy.exp(r*(1-(n/k)))

例如在 k == 0 的情况下，我想得到结果 0。在所有其他情况下，我想计算上面的函数。那么有什么方法可以对数组的某些部分（通过索引）进行这样的计算以获得最终的单个结果数组？

【问题讨论】：

标签： python arrays numpy divide-by-zero

【解决方案1】：

import numpy
r=numpy.array([3,3,3])
k=numpy.array([numpy.nan,0,numpy.nan])
n=numpy.array([numpy.nan,0,0])
indxZeros=numpy.where(k==0)
indxNonZeros=numpy.where(k!=0)
d=numpy.empty(k.shape)
d[indxZeros]=0
d[indxNonZeros]=n[indxNonZeros]/k[indxNonZeros]
print d

【讨论】：

请使用 edit 按钮将此作为编辑添加到您的原始答案中。
而不是使用np.where 来计算数字索引数组，使用布尔索引通常更快，即使用indxZeros = k == 0; indxNonZeros = ~idxZeros 也可以，可能更快。
感谢tobias_k，我对在这里回答问题还是很陌生。我通常只是浏览已经问过的问题来回答我的问题。谢谢你的建议，下次我会记住这一点

【解决方案2】：

是否遵循您的需要？

>>> rv = 1.0*n*numpy.exp(r*(1-(n/k)))
>>> rv[k==0] = 0
>>> rv
array([ nan,   0.,  nan])

【讨论】：

基本上是的，但是这种方法首先一次性处理然后“清理”仍然会引发警告。我也想避免警告，例如排除之前已经有 k==0 的情况

【解决方案3】：

所以，你可能认为解决这个问题的方法是使用numpy.where，但是如下：

numpy.where(k==0, 0, 1.0*n*numpy.exp(r*(1-(n/k))))

仍然会给出警告，因为表达式实际上是针对 k 为零的情况进行评估的，即使这些结果没有被使用。

如果这真的让您感到困扰，您可以使用 numexpr 作为这个表达式，它实际上会在 where 语句上分支，而不是评估 k==0 的情况：

import numexpr
numexpr.evaluate('where(k==0, 0, 1.0*n*exp(r*(1-(n/k))))')

另一种方式，根据您要求的索引，会导致一些易读性损失

result = numpy.zeros_like(k)
good = k != 0
result[good] = 1.0*n[good]*numpy.exp(r[good]*(1-(n[good]/k[good])))

这可以通过定义gaussian 函数来绕过：

def gaussian(r, k, n):
    return 1.0*n*numpy.exp(r*(1-(n/k)))

result = numpy.zeros_like(k)
good = k != 0
result[good] = gaussian(r[good], k[good], n[good])

【讨论】：