Numpy除以0的解决方法

Question

Numpy除以0的解决方法

5

假设我有两个数组

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

我需要使用numpy对数组进行逐元素划分。但是我的问题在于实现“安全划分”时遇到了困难。当执行以下操作时：

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

我得到了输出：

[0.0, 2.0, 0.0]

我的问题是，当除以0时，我需要返回不为0的元素，使得理想输出如下：

[1.0, 2.0, 3.0]

有没有使用numpy的解决方法? 手动定义一个函数来完成这个任务，有没有更优化的方法来完成这个任务，而不需要创建一个自定义的除法函数(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这将在云中运行，因此资源受限，在具有300+元素数组时，这样做似乎并不最优。

- eXistanCe

2

300个元素真的很少。你是否真的遇到了性能问题？你说你有数组，但实际上你有列表对象。我怀疑将你的列表转换为np.ndarray对象，然后再转回列表的成本是否值得对300左右的元素列表进行加速...事实上，我认为这样做会显著地变慢。 - juanpa.arrivillaga

我的问题是我有树形结构，最深达到7层，每个节点都包含这样的列表。在2500多棵树中为每个节点执行此类操作非常耗费资源，因此我正在尝试将计算成本降至最低。 - eXistanCe

是的，但我怀疑这样做不会更高效，我认为它可能会更低效。 - juanpa.arrivillaga

2个回答

4

最简单/最快的方法是将对应非零 Y 值的值相除。

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.])

- cs95

@chrisz 我认为这是 OP 打错了（2 / 1 = 2 ;-)） - cs95

@eXistanCe 这是一个好问题。我认为，从循环的角度来看，这可能会更短，但从一些快速测试中看来，chrisz的答案略微更快。我建议在您的数据上进行时间比较，这真的取决于情况。 - cs95

非常感谢，我将进行一些计时测试。正如我对评论问题的其他人所说，对于小数组来说不是问题，但对于数千个300/400甚至800多个元素来说，这成为了一个问题。 - eXistanCe

此外，如果我错了，请纠正我，但由于true_divide的性质，这对于非浮点数是行不通的。 - user3483203

@chrisz 是的，我确保将输入转换为浮点数，这样才能正常工作。否则，你需要使用 x[m] = x[m] / y[m]，这样会强制转换 x。 - cs95

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- user3483203 · Accepted Answer

你可以使用一个简单的技巧：

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

实际应用：

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]

时间：

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)