Rückgabe von 0 bei Division durch null

Ich versuche, führen Sie ein element-Weise Division in python, aber, wenn eine null Auftritt, muss ich den Quotienten zu nur null sein.

Beispiel:

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

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

Konnte ich immer nur mit einer for-Schleife über meine Daten, aber um wirklich nutzen numpy ' s Optimierungen, muss ich die teilen-Funktion return 0 nach Division durch null-Fehler nicht ignoriert, sondern die Fehler.

Es sei denn, ich bin fehlt etwas, es scheint nicht numpy.seterr() können Rückgabewerte auf Fehler. Hat jemand irgendwelche anderen Vorschläge hast, wie ich bekommen konnte und das beste aus der numpy während der Einstellung meiner eigenen Division durch null-Fehler-handling?

  • In meinem python-version (2.7.11 Python |Continuum Analytics, Inc.) das ist genau die Ausgabe, die Sie erhalten. Mit einer Warnung.
  • Die knappste Antwort richtig ist stackoverflow.com/a/37977222/2116338
InformationsquelleAutor hlin117 | 2014-10-08
  1. 126

    In numpy v1.7+ können Sie die Vorteile von "wo" option für die ufuncs. Sie können Dinge tun, in einer Linie, und Sie nicht haben, um mit der errstate Kontext-manager.

    >>> 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]

    In diesem Fall, es macht die Kluft Berechnung überall 'wo', b nicht null ist. Wenn b gleich null ist, dann bleibt es unverändert, von was auch immer Wert, den Sie ursprünglich gab es in den " out " - argument.

    InformationsquelleAutor DStauffman
  2. 38

    Gebäude auf @Franck Dernoncourt Antwort, die Festsetzung -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])
    • Danke, ich habe nicht mal verstanden, dass der Fehler mit @Frank Dernoncourt code.
    • Hi, ich bin versucht zu tun, array, math, und ich will 0/0 Ergebnis 0, aber ich will auch ignorieren np.NaN in meinen Berechnungen. Wird diese Arbeit für das? Auch bin ich versucht zu verstehen. Was gibt c[ ~ np.isfinite( c )] = 0 zu tun? Ich habe noch nie verwendet, ~ in python. Was ist es? Danke
    • kehrt True und False in numpy-arrays: print ~ np.array([ True, False, False ]). c[ ~ np.isfinite( c )] = 0 bedeutet: hier finden Sie die Positionen, an denen c endlich ist, invertiert diese, um NICHT endlich mit ~, und legen Sie die nicht-finite-Werte auf 0. Siehe auch stackoverflow.com/search?q=[numpy]+"boolean+indexing"
    InformationsquelleAutor denis
  3. 37

    Gebäude auf die anderen Antworten, und die Verbesserung auf:

    Code:

    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))

    Ausgabe:

    c: [ 0.          0.          0.          1.          0.66666667]
    • Guten job für die überprüfung 0/0 sowie 1/0 Fehler.
    InformationsquelleAutor Franck Dernoncourt
  4. 14

    One-liner (wirft die Warnung)

    np.nan_to_num(array1 / array2)
    InformationsquelleAutor Ulf Aslak
  5. 13

    Versuchen, es zu tun in zwei Schritten. Division erste, dann ersetzen.

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

    Den numpy.errstate Zeile ist optional, und nur verhindert, dass numpy aus, erzählen Sie über die "Fehler" von der Division durch null, da Sie bereits die Absicht dazu zu haben, und der Umgang mit diesem Fall.

    • Sie sollten wahrscheinlich führen Sie die division im Rahmen np.errstate(divide='ignore'):
    • Fairer Punkt. Ich habe bearbeitet die Antwort zu beinhalten Zusammenhang. divide='warn' könnte auch nützlich sein, wenn s/er wollte noch mitgeteilt werden.
    • deosn nicht funktionieren, wenn denominator ist Skalar
    InformationsquelleAutor Pi Marillion
  6. 2

    Können Sie auch ersetzen Sie basiert auf inf nur, wenn das array dtypes sind Schwimmer, als pro diese Antwort:

    >>> 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.])
    InformationsquelleAutor atomh33ls
  7. 0

    Einer Antwort, die ich gefunden Suche eine Verwandte Frage war, die die Ausgabe manipulieren, je nachdem, ob der Nenner null war oder nicht.

    Angenommen arrayA und arrayB initialisiert wurden, aber arrayB hat einige Nullen. Wir könnten Folgendes tun, wenn wir ausrechnen wollen arrayC = arrayA /arrayB sicher.

    In diesem Fall, wenn ich eine Division durch null in einer der Zellen, ich habe die Zelle gleich myOwnValue, das wäre in diesem Fall null

    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

    Fußnote: Im Nachhinein, diese Zeile ist überflüssig sowieso, da arrayC[i] instanziiert wird zu null. Aber wenn der der Fall waren, dass myOwnValue != 0 dieser Vorgang würde etwas tun.

    InformationsquelleAutor hlin117
  8. 0

    Einer anderen Lösung erwähnenswert :

    >>> 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.])
    InformationsquelleAutor T. Gwen
Schreibe einen Kommentar