Numpy, деление на ноль: два разных результата для одной и той же операции

Question

После того, как вы немного поработали, я все еще боюсь с делениями на ноль в numpy. Я ошеломлен противоречием сообщить сразу:

from numpy import * 

seterr(all='ignore') # Trying to avoid ZeroDivisionError, but unsuccessful. 

def f(x) : 
    return 1./(x-1.) 

При этом, когда я исполняю f(1.), я получаю ZeroDivisionError: float division by zero.

Однако, когда я определяю z = array([ 1., 1. ]) и выполнить f(z), я не получаю сообщение об ошибке, но array([ inf, inf]).

Как вы можете видеть, между обоими выходами существует противоречие. My первый вопрос - это почему.

В идеале, я хотел бы получить inf как вывод f(1.), или не менее nan, но не ошибку (и, следовательно, остановку расчета). Мой второй вопрос - как это сделать. Обратите внимание на мою неудачную попытку, используя seterr.

Answer 1

Numpy не участвует в вашей функции f. Вам нужно поймать ZeroDivisionError, если вы хотите изменить выход.деление

import numpy 

def f(x) : 
    try: 
     return 1./(x-1.) 
    except ZeroDivisionError: 
     return numpy.nan 

Или использовать Numpy в:

import numpy 

def f(x) : 
    return numpy.divide(1., (x-1.)) 

Или только передать Numpy типы в f:

import numpy 

def f(x) : 
    return 1./(x-1.) 

x = numpy.float_(1) 
print f(x) # prints inf 

Answer 2

1. является обычным поплавком Python, и эти рейзы исключают вместо использования nan/inf. Когда вы вызываете f(1.), numpy никак не участвует. Просто выполнение from numpy import * (или вызов функций numpy, таких как seterr) ничего не меняет о том, как работают обычные типы Python; это повлияет только на операции с объектами numpy, и вы получите только объекты numpy, если вы их явно создадите.

Когда вы сделать явно создать Numpy объект, как в вашем f(z) Например, вы привлекаете NumPy, которая имеет свои собственные типы, которые отличаются от основных типов Python. Примечательно, numpy числовые типы do использование nan/inf.

Насколько я знаю, нет никакого способа, чтобы получить обычный Python поплавки, чтобы начать возвращать nan или inf вместо повышения исключений, так что вы должны будете использовать NumPy скаляры вместо простых поплавков Python (как описано в this question) если вы хотите поддерживать как скалярные, так и векторные операции.

Answer 3

Похоже, что seterr предназначен для использования с типами Numpy; как его можно использовать с родным типом Python. С другой стороны, если вы: не должно происходить

f(np.array((1,))) 

Нет ошибок с seterr.