使用np.where遇除零警告、结果不符及ValueError的问题求助

原因分析 #

你用了arr.any() <= 0作为np.where的判断条件，但arr.any()是对整个数组做逻辑判断——只要数组里有至少一个元素为真（非0），就返回True。对于arr = np.array([0,1])，arr.any()返回True，True <= 0等价于1 <= 0，结果是False。因此np.where会直接执行1/arr，0的倒数是inf，最终输出[inf, 1.]。

np.where需要的是和输入数组同形状的布尔数组来逐元素判断，而不是单个布尔值。

解决方法 #

去掉.any()，直接用arr <= 0作为判断条件，这样会生成和arr同形状的布尔数组，逐元素检查是否<=0：

import numpy as np

def divide(arr):
    out = np.where(arr <= 0, 0, 1/arr)
    return out

a = np.array([0,1])
print(divide(a))  # 输出 [0. 1.]

如果想避免除以0的RuntimeWarning，可以用预先初始化结果数组的方式，只对符合条件的元素计算：

def divide(arr):
    out = np.zeros_like(arr, dtype=np.float64)
    mask = arr > 0
    out[mask] = 1 / arr[mask]
    return out

原因分析 #

报错ValueError: The truth value of an array with more than one element is ambiguous，是因为：

1. x <= 0会生成一个布尔数组（比如x=[0,1]时得到[True, False]），而Python的or运算符无法直接处理数组，它会尝试把数组转换成单个布尔值，导致歧义。
2. 用x.any() <= 0会把整个数组的判断压缩成单个布尔值，导致所有元素都用同一个判断结果，比如x=[0,1]时x.any()<=0是False，所以会对所有元素执行熵计算，而0/n的log2结果是-inf，0 * (-inf)得到nan，不符合预期。

解决方法 #

需要做两个调整：

• 用NumPy的**按位或运算符|**替代Python的or，它支持逐元素的逻辑判断；
• 直接用x <= 0生成逐元素的布尔条件，配合n <= 0（标量会自动广播成数组形状）。

同时，为了避免计算时出现nan，可以在np.log2里再嵌套一个np.where，确保只对x>0的元素计算对数：

import numpy as np

def entropy(x, n):
    # 生成逐元素的判断条件：x<=0 或者 n<=0时返回0
    cond = (x <= 0) | (n <= 0)
    # 仅对满足条件的元素计算熵，否则返回0
    return np.where(cond, 0, -(x/n) * np.log2(np.where(x>0, x/n, 1)))

a = np.array([0,1])
n = 1
print(entropy(a, n))  # 输出 [0. -0.]

注：-0.在数值计算中等价于0.，若需统一显示为0.，可通过np.abs或强制类型转换调整。

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