Numpy处理正负元素归一化后输出全零数组的原因及修复方法

原代码 #

data = np.array([-3, -2, -1, 0, 1, 2, 3])
data[data < 0] = data[data < 0] / np.abs(np.sum(data[data < 0]))
data[data > 0] = data[data > 0] / np.abs(np.sum(data[data > 0]))

data
Out[109]: array([0, 0, 0, 0, 0, 0, 0])

问题原因 #

原数组data是整数类型（Numpy默认从整数列表生成int类型数组），执行除法操作时，Numpy会强制保持数组的整数类型，对浮点结果进行截断取整：

• 负数部分总和为-6，绝对值是6，负数元素除以6得到的-0.5、-0.333...、-0.166...会被截断为整数0；
• 正数部分总和为6，正数元素除以6得到的0.166...、0.333...、0.5同样被截断为整数0；
• 中间的0保持不变，最终数组全为0。

修复方案 #

方案1：初始化时指定浮点类型

直接创建浮点型数组，确保除法结果保留小数：

data = np.array([-3, -2, -1, 0, 1, 2, 3], dtype=np.float64)
data[data < 0] = data[data < 0] / np.abs(np.sum(data[data < 0]))
data[data > 0] = data[data > 0] / np.abs(np.sum(data[data > 0]))

方案2：转换数组为浮点类型后再操作

在运算前将整数数组转为浮点型：

data = np.array([-3, -2, -1, 0, 1, 2, 3])
data = data.astype(np.float64)
data[data < 0] = data[data < 0] / np.abs(np.sum(data[data < 0]))
data[data > 0] = data[data > 0] / np.abs(np.sum(data[data > 0]))

方案3：让除法产生浮点结果

通过将除数转为浮点类型，触发浮点除法：

data = np.array([-3, -2, -1, 0, 1, 2, 3])
neg_total = np.abs(np.sum(data[data < 0]))
data[data < 0] = data[data < 0] / (neg_total * 1.0)
pos_total = np.abs(np.sum(data[data > 0]))
data[data > 0] = data[data > 0] / (pos_total * 1.0)

修复后运行结果：

array([-0.5       , -0.33333333, -0.16666667,  0.        ,  0.16666667,
        0.33333333,  0.5       ])

内容的提问来源于stack exchange，提问作者ZHENDONG ZHANG