用可能导致nan的numpy矩阵划分

Question

当有时两个矩阵在同一个单元格中有0时，如何在python中划分两个numpy矩阵A和B ？

对于所有i ， j A[i,j]>=B[i,j]基本上A[i,j]>=B[i,j] 。 我需要计算C=A/B 但有时A[i,j]==B[i,j]==0 。 当发生这种情况时，我需要A[i,j]/B[i,j]定义为0。

除了遍历所有索引之外，还有一种简单的pythonic方式吗？

Answer 1

你可以使用像np.true_divide这样的np.true_divide的where参数：

np.true_divide(A, B, where=(A!=0) | (B!=0))

如果您没有负值（如评论中所述）和每个元素的A >= B （如问题中所述），您可以将其简化为：

np.true_divide(A, B, where=(A!=0))

因为A[i, j] == 0意味着B[i, j] == 0 。

---

例如：

import numpy as np
A = np.random.randint(0, 3, (4, 4))
B = np.random.randint(0, 3, (4, 4))
print(A)
print(B)
print(np.true_divide(A, B, where=(A!=0) | (B!=0)))

[[1 0 2 1]
 [1 0 0 0]
 [2 1 0 0]
 [2 2 0 2]]

[[1 0 1 1]
 [2 2 1 2]
 [2 1 0 1]
 [2 0 1 2]]

[[ 1.   0.   2.   1. ]
 [ 0.5  0.   0.   0. ]
 [ 1.   1.   0.   0. ]
 [ 1.   inf  0.   1. ]]

---

作为替代方案：在分裂后替换nan s：

C = A / B          # may print warnings, suppress them with np.seterrstate if you want
C[np.isnan(C)] = 0

Answer 2

你可以使用一个带有np.where的掩码来选择这样一个A and B being both zeros的情况， A and B being both zeros ，否则分别输出0或元素分区 -

from __future__ import division # For Python 2.x

mask = (A == B) & (A==0)
C = np.where(mask, 0, A/B)

关于掩模生成： (A==B)将是相等之间的所有元素的掩模A和B并用(A==0)我们具有在零的所有元素的掩模A 。 因此，对于(A == B) & (A==0)的组合掩模，我们具有A和B都为零的位置的掩模。 一个更简单的版本来完成相同的任务，也许更容易理解的是检查A和B零，它将是：

mask = (A==0) & (B==0)

关于np.where的使用，它的语法是：

C = np.where(mask, array1, array2)

即我们会根据面具选择用于分配C的元素。 如果相应的mask元素为True ，我们从array1选择相应的元素，否则从array2 。 这是在元素级别完成的，因此，我们有输出C

样品运行 -

In [48]: A
Out[48]: 
array([[4, 1, 4, 0, 3],
       [0, 4, 1, 4, 3],
       [1, 0, 0, 4, 0]])

In [49]: B
Out[49]: 
array([[4, 2, 2, 1, 4],
       [2, 1, 2, 4, 2],
       [4, 0, 2, 0, 3]])

In [50]: mask = (A == B) & (A==0)

In [51]: np.where(mask, 0, A/B)
Out[51]: 
array([[ 1.  ,  0.5 ,  2.  ,  0.  ,  0.75],
       [ 0.  ,  4.  ,  0.5 ,  1.  ,  1.5 ],
       [ 0.25,  0.  ,  0.  ,   inf,  0.  ]])