Numpy，除以零：同一操作的两个不同结果答案

【问题标题】：Numpy, divide by zero: two different results for the same operationNumpy，除以零：同一操作的两个不同结果
【发布时间】：2016-01-07 20:10:29
【问题描述】：

经过一番搜索后，我仍然在 numpy. 我被我马上报告的矛盾惊呆了：

from numpy import *

seterr(all='ignore')    # Trying to avoid ZeroDivisionError, but unsuccessful.

def f(x) :
    return 1./(x-1.)

有了这个，当我执行f(1.)，我得到 ZeroDivisionError: float division by zero.

但是，当我定义 z = array( [ 1., 1. ] ) 并执行 f(z)，我没有收到任何错误，但是 array([ inf, inf]).

如您所见，两种输出之间存在某种矛盾。我的第一个问题是为什么。

理想情况下，我希望得到inf 作为f(1.) 的输出，或者至少是nan，但不是错误（因此计算的停止）。我的第二个问题是如何管理这个。请注意我使用seterr 失败的尝试。

【问题讨论】：

难道不是在第一种情况下您正在处理一个整数，而在第二种情况下您正在使用一个 numpy 数组？这些是不同的事情，行为会有所不同，具体取决于为每个操作定义的方式。我认为如果你想要一致的输出，你必须为函数提供一致的输入类型，或者至少是在操作下表现相同的类型。

标签： python numpy divide-by-zero

【解决方案1】：

1. 是一个普通的 Python 浮点数，这些会引发异常而不是使用 nan/inf。当您致电f(1.) 时，numpy 不会以任何方式参与。只是做from numpy import *（或调用像seterr 这样的numpy 函数）不会改变普通Python 类型的工作方式；它只会影响对 numpy 对象的操作，并且只有在显式创建它们时才会获得 numpy 对象。

当您做显式创建一个 numpy 对象时，如在您的 f(z) 示例中，您涉及到 numpy，它有自己的类型，不同于基本的 Python 类型。值得注意的是，numpy 数字类型确实使用 nan/inf。

据我所知，没有办法让普通的 Python 浮点数开始返回 nan 或 inf 而不是引发异常，因此您必须使用 numpy 标量而不是普通的 Python 浮点数（如所述this question) 如果你想同时支持标量和向量操作。

【讨论】：

np.divide(1.0,0.0) 返回带有警告的inf。是否可以从numpy 以某种方式导入divide？这首先有意义吗？
@AndrasDeak：您收到警告是因为您仍在传递普通的 Python 浮点数。如果您这样做，例如np.divide(np.float64(1.0), 0)，那么您将不会收到警告。如果你希望一切都在 numpy 中发生，你需要你的对象是 numpy 类型，然后再开始对它们进行 numpy 数学运算。（或者你可以忍受警告。）
@AndrasDeak：是的，您可以从 numpy 导入 divide，但这不会改变 / 运算符在普通 Python 浮点数上的工作方式。任何 numpy 都无法使普通的 1.0/0.0 工作方式不同。
感谢您的澄清:)

【解决方案2】：

Numpy 不参与你的函数f。如果你想改变输出，你必须抓住ZeroDivisionError。

import numpy

def f(x) :
    try:
        return 1./(x-1.)
    except ZeroDivisionError:
        return numpy.nan

或者使用numpy的除法：

import numpy

def f(x) :
    return numpy.divide(1., (x-1.))

或者只将 numpy 类型传递给f：

import numpy

def f(x) :
    return 1./(x-1.)

x = numpy.float_(1)
print f(x) # prints inf

【讨论】：

效果很好，谢谢。但是想象一下，我的脚本中有很多函数，并且我希望每个函数都具有这样的行为，而无需将您建议的代码附加到每个函数中。不知道有没有可能？
是的！但是你应该做的是使用 numpy.divide()。这将默认为您提供inf。更新了我的答案。
我发现你的最后一个建议特别有用，因为有了它，我不必更改我原来的函数 f(x) 中的任何内容（在我正在处理的脚本中，我有很多复杂的函数，我不想用numpy.divide 改变那里的每一个斜线）。我的意思是f可以很容易地重新定义以计算f(numpy.float_(x))，这样就可以了。非常感谢您的编辑！

【解决方案3】：

看起来seterr 打算与 Numpy 类型一起使用；它如何与 Python 本机类型一起使用。另一方面，如果你这样做：

f(np.array((1,)))

您的seterr 不会出现错误。

【讨论】：