numpy：true_divide 中遇到无效值

Question

我有两个 numpy 数组，我试图将一个数组与另一个数组分开，同时，我想确保除数为 0 的条目应该只替换为 0。

所以，我会做类似的事情：

log_norm_images = np.where(b_0 > 0, np.divide(diff_images, b_0), 0)

这给我一个运行时警告：

RuntimeWarning: invalid value encountered in true_divide

现在，我想看看发生了什么，我做了以下事情：

xx = np.isfinite(diff_images)
print (xx[xx == False])

xx = np.isfinite(b_0)
print (xx[xx == False])

然而，这两个 return 空数组意味着数组中的所有值都是有限的。因此，我不确定无效值的来源。我假设在 np.where 函数中检查 b_0 > 0 负责除以 0.

两个数组的形状分别是(96, 96, 55, 64)和(96, 96, 55, 1)

Answer 1

您可能有一个 NAN、INF 或 NINF 漂浮在某处。试试这个：

np.isfinite(diff_images).all()
np.isfinite(b_0).all()

如果其中之一或两者 returns False，则可能是运行时错误的原因。

Answer 2

另一个有用的 Numpy 命令是 nan_to_num(diff_images) 默认情况下，它替换为 Numpy 数组； NaN 到零，-INF 到 -（大数）和 +INF 到 +（大数）

Answer 3

您在运行执行此操作时收到运行时间警告的原因：

log_norm_images = np.where(b_0 > 0, np.divide(diff_images, b_0), 0)

是内层表达式

np.divide(diff_images, b_0)

首先被求值，并且运行在 diff_images 和 b_0 的所有元素上（即使你最终忽略了涉及被零除的元素）。换句话说，警告发生在在忽略这些元素的代码之前。这就是为什么它是警告而不是错误的原因：在像这样的合理情况下，被零除不是问题，因为它会在以后的操作中处理。

Answer 4

num = np.array([1,2,3,4,5])
den = np.array([1,1,0,1,1])
res = np.array([None]*5)
ix  = (den!=0)
res[ix] = np.divide( num[ix], den[ix] )
print(res)

[1.0 2.0 None 4.0 5.0]

numpy: Invalid value encountered in true_divide