Question

假设我有两个数组

x = [1,2,3]
y = [0,1,0]

我需要按元素划分数组，因此使用numpy。我的问题是实施了“安全部门”。做的时候：

np.divide(x,y).tolist()

我得到了输出：

[0.0, 2.0, 0.0]

我的问题是，当它除以0时，我需要它返回非0的元素，从而产生理想的输出：

[1.0, 2.0, 3.0]

使用numpy有没有解决办法？手动定义一个函数来执行此操作，是否有任何优化的方法来执行此操作，而不进行自定义除法功能（如下所示）并在每对元素上使用它？

def mydiv(x, y):
if y == 0:
    return x
else:
    return x / y

注意：我担心优化的原因是它会在云端运行，因此资源有限，而且当拥有300多个元素阵列时，这样做根本不是最佳选择。

Answer 1

最简单/最快捷的方法是将对应于非零y值的值除以。

x = [1, 2, 3]
y = [0, 1, 0]

x, y = [np.array(arr, dtype=float) for arr in (x, y)]

m = y != 0  # ~(y == 0) # np.flatnonzero(y)
x[m] /= y[m]

print(x)
array([1., 2., 3.])

Answer 2

您可以使用的简单技巧：

x / (y + (y==0))

行动中：

x = np.array([1, 5, 3, 7])
y = np.array([0, 2, 0, 4])

print(x / (y + (y==0)))

# [1.   2.5  3.   1.75]

时序：

def chrisz(x, y):
  return x/(y+(y==0))

def coldspeed1(x, y):
  m = y != 0
  x[m] /= y[m]
  return x

def coldspeed2(x, y):
  m = ~(y == 0)
  x[m] /= y[m]
  return x

def coldspeed3(x, y):
  m = np.flatnonzero(y)
  x[m] /= y[m]
  return x

结果：

In [33]: x = np.random.randint(10, size=10000).astype(float)

In [34]: y = np.random.randint(3, size=10000).astype(float)

In [35]: %timeit chrisz(x, y)
29.4 µs ± 601 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [36]: %timeit coldspeed1(x, y)
173 µs ± 2 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [37]: %timeit coldspeed2(x, y)
184 µs ± 1.36 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [38]: %timeit coldspeed3(x, y)
179 µs ± 2.68 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Numpy除以0解决方法

2 个答案: