如何结合多替换条件使用Numpy.divide实现数组除法？

问题分析 #

你的三个条件存在优先级关系，需要按以下顺序处理（优先级从高到低）：

• 当A和B对应位置都为0时，结果为1（条件3）
• 仅A为0时，结果为0.5（条件2）
• 仅B为0时，结果为A²（条件1）
• 其余情况执行A/B（正常除法）

原代码只处理了「B不为0时执行除法，B为0时用A²填充」，但没覆盖A为0的两种特殊情况，所以需要补充逻辑。

实现方案 #

方案1：分步赋值（直观易调试） #

先初始化结果数组处理正常除法，再逐个覆盖特殊条件，这种方式逻辑清晰，适合复杂条件场景：

import numpy as np

# 初始化结果数组：先处理B不为0的情况，B为0的位置先填0（后续会覆盖）
arrayC = np.divide(arrayA, arrayB, out=np.zeros_like(arrayA, dtype=np.float64), where=arrayB != 0)

# 处理条件1：B为0且A不为0 → 赋值A²
mask_b_zero_a_nonzero = (arrayB == 0) & (arrayA != 0)
arrayC[mask_b_zero_a_nonzero] = arrayA[mask_b_zero_a_nonzero] ** 2

# 处理条件2：A为0且B不为0 → 赋值0.5
mask_a_zero_b_nonzero = (arrayA == 0) & (arrayB != 0)
arrayC[mask_a_zero_b_nonzero] = 0.5

# 处理条件3：A和B都为0 → 赋值1
mask_both_zero = (arrayA == 0) & (arrayB == 0)
arrayC[mask_both_zero] = 1

方案2：嵌套np.where（简洁一行式） #

用多层np.where按优先级依次判断，代码更紧凑：

import numpy as np

arrayC = np.where(
    (arrayA == 0) & (arrayB == 0),  # 最高优先级：都为0
    1,
    np.where(
        arrayA == 0,  # 次优先级：仅A为0
        0.5,
        np.where(
            arrayB == 0,  # 再次优先级：仅B为0
            arrayA ** 2,
            np.divide(arrayA, arrayB)  # 正常情况
        )
    )
)

注意事项 #

• 数据类型：如果原数组是整数类型，建议将结果数组指定为浮点型（如np.float64），避免整数除法导致精度丢失。
• 矢量化操作：以上两种方法都是numpy矢量化操作，效率远高于循环遍历，适合你2500×1500的大数组。

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