如何将二维numpy数组中除零得到的inf值替换为0

当前为numpy向量化除法中除数为0返回inf的替换需求，以下分别提供try-except实现方案，以及效率更高的numpy原生实现方案：

由于numpy默认除零操作仅返回inf并抛出警告、不会触发异常，需要先修改numpy的错误处理规则，让除零操作抛出可捕获的异常，逐元素计算实现：

import numpy as np

x1 = np.array([[1,4,2,1],       
      [1,1,4,5],
      [0.5,0.3, 1,6],
      [0.8,0.2,0.7,1]])

x2 = np.array([[7,0,2,3],       
      [8,0,4,5],
      [0.1,0, 2,6],
      [0.1,0,0.16666667,6]])

# 设置除零操作抛出异常
np.seterr(divide='raise')
res = np.zeros_like(x1, dtype=np.float64)

# 逐元素遍历计算
for i in range(x1.shape[0]):
    for j in range(x1.shape[1]):
        try:
            res[i][j] = np.true_divide(x1[i][j], x2[i][j])
        except FloatingPointError:
            res[i][j] = 0

# 恢复numpy默认错误处理规则
np.seterr(divide='warn')
print(res)

该方案需要嵌套循环逐元素处理，数组规模较大时执行效率极低，仅适合极小体量的数组场景

完全不用循环，利用numpy的向量化操作即可快速完成inf替换，运行效率是逐元素循环的数百到数千倍，常用实现方式有以下三种：

方式A：计算后替换inf #

import numpy as np

x1 = [[1,4,2,1],       
      [1,1,4,5],
      [0.5,0.3, 1,6],
      [0.8,0.2,0.7,1]]
x2 = [[7,0,2,3],       
      [8,0,4,5],
      [0.1,0, 2,6],
      [0.1,0,0.16666667,6]]

res = np.true_divide(x1, x2)
# 直接把所有inf值替换为0
res[np.isinf(res)] = 0

方式B：计算时直接跳过除零位置（无警告） #

可以在除法运算时就指定仅在除数不为0的位置执行计算，其余位置默认填充0，不会触发除零警告：

res = np.divide(x1, x2, where=np.array(x2)!=0, out=np.zeros_like(x1, dtype=np.float64))

方式C：统一处理异常值 #

如果同时需要处理inf、NaN等多种异常值，可以直接使用np.nan_to_num方法：

res = np.true_divide(x1, x2)
res = np.nan_to_num(res, posinf=0, neginf=0, nan=0)

内容的提问来源于stack exchange，提问作者manacoder