二维NumPy数组求均值时如何避免除零错误并替换nan/inf为0

你之前的两种方案失效、以及原始计算出现nan的核心原因有三个：

• np.nan的特性是和任何值做相等判断都会返回False，包括它自身，所以avg == np.nan永远返回全False的掩码，根本无法选中nan值做替换。
• 第一种掩码方案错误使用了布尔索引：直接用A+B>0的二维掩码去索引数组，会把所有符合条件的元素抽平为一维数组，丢失原有的3行结构，此时再按axis=1求均值自然无法得到正确的按行结果。
• 原始计算触发异常是因为第二行最后一个位置A+B=0、对应位置C=0，0/0运算得到nan；如果遇到分子非0、分母为0的情况还会得到inf值。

根据你想要的处理逻辑，选对应方法即可：

方案1：先替换元素异常值再计算均值（最常用） #

逻辑是：计算比值时，先把所有nan/inf的元素替换为0，再按行求均值，异常元素会作为0参与均值计算。
用np.nan_to_num可以一次性完成nan、正负inf的替换，搭配np.errstate可以临时屏蔽除0警告，避免控制台输出无用提示：

import numpy as np

A = np.array([[2,2,2],[1,0,0],[1,2,1]])
B = np.array([[2,0,2],[0,1,0],[1,2,1]])
C = np.array([[2,0,1],[0,1,0],[1,1,2]])

# 临时关闭除0、非法值的警告
with np.errstate(divide='ignore', invalid='ignore'):
    ratio = C / (A + B)
# 把所有nan、正inf、负inf都替换为0
ratio = np.nan_to_num(ratio, nan=0.0, posinf=0.0, neginf=0.0)
# 按行求均值
avg = np.average(ratio, axis=1)

运行得到的avg结果为[0.25 0.33333333 0.58333333]，没有异常值。

如果你不想引入nan_to_num，也可以用掩码直接在原结构上计算，避免打平数组：

denominator = A + B
ratio = np.zeros_like(C, dtype=np.float64)
mask = denominator > 0
# 仅在分母有效位置计算比值，其余位置保持初始值0
ratio[mask] = C[mask] / denominator[mask]
avg = np.average(ratio, axis=1)

得到的结果和上面完全一致。

方案2：计算完均值后替换整行异常值 #

如果你的逻辑是：只要某一行计算出来的均值是nan/inf，就把这行的均值直接设为0，不需要把异常元素拆出来参与计算，可以直接对最终的均值数组做替换，注意要用numpy提供的判断函数而不是==判断：

with np.errstate(divide='ignore', invalid='ignore'):
    avg = np.average(C/(A+B), axis=1)
# 选中所有是nan或inf的位置，替换为0
avg[np.isnan(avg) | np.isinf(avg)] = 0

这个方案得到的结果是[0.25 0. 0.58333333]，第二行因为原始计算结果是nan，直接被替换为0。

内容的提问来源于stack exchange，提问作者user13925399