如何避免Numpy中对含零数组取log时的RuntimeWarning？

当数组中存在零值时，直接用np.log(np.abs(z))会触发除零警告，除了你提到的np.log(np.abs(z)+1)，还有这些实用方案：

• 替换零值为极小正数
  把数组中的零替换成一个足够小的正数（比如1e-10），既不会触发警告，也能让log结果保持在合理的负数范围（而非-inf）。选值时要根据你的数据尺度调整，避免影响后续计算：

  z_abs = np.abs(z)
  # 替换所有零值
  z_abs[z_abs == 0] = 1e-10
  result = np.log(z_abs)
  

• 用np.where做条件计算
  直接通过条件判断，只对非零元素执行log运算，零值位置可以自定义结果（比如设为-inf或者0，根据业务需求选择），从根源上避免对零取log：

  # 零值对应结果设为-inf，和直接log(0)的结果一致，但无警告
  result = np.where(np.abs(z) == 0, -np.inf, np.log(np.abs(z)))
  

• 抑制特定警告
  如果你接受log(0)得到-inf的结果，只是不想看到警告，可以用numpy的上下文管理器临时屏蔽除零警告，不影响其他警告的触发：

  with np.errstate(divide='ignore'):
      result = np.log(np.abs(z))
  

• 使用掩码数组标记无效值
  用numpy的掩码数组模块（numpy.ma）把零值标记为无效，计算log时会自动跳过这些元素，结果中会保留掩码标记，方便后续区分有效数据和零值：

  import numpy.ma as ma
  z_masked = ma.masked_values(np.abs(z), 0)
  result = ma.log(z_masked)
  # 后续可以通过result.mask查看哪些位置是原零值
  

• 针对小数值的log1p优化
  你提到的np.log(np.abs(z)+1)其实等价于np.log1p(np.abs(z))，这个方法更适合数组中大多是接近0的小值的场景（比如计数类数据），因为log1p(x)在x很小时的计算精度比log(1+x)更高。但如果数组中有大量较大的数值，这个方法会让log结果产生明显偏移，需要谨慎使用。

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