这个问题我之前也踩过坑！其实核心原因是np.where的运行逻辑——它会先完整计算所有传入的表达式，再根据条件选择对应位置的结果，而不是只计算符合条件的分支。所以哪怕你写了tpx[:-1]!=0的判断，tpx[1:]/tpx[:-1]还是会先执行，碰到0做除数的情况就触发警告，之后才把那些位置的结果替换成0。

下面给你几个从根源解决问题的方案：

方案1：使用np.divide的where参数（推荐） #

np.divide支持通过where参数指定仅在满足条件的位置执行除法，完全避免无效的除零操作：

import numpy as np
tpx = np.array([0.95, 0.9, 0.85, 0.80, 0.75, 0.0, 0.0, 0.0])

# 先初始化全0的结果数组
px = np.zeros_like(tpx[:-1])
# 仅在tpx[:-1]非零的位置执行除法，结果存入px
np.divide(tpx[1:], tpx[:-1], out=px, where=tpx[:-1] != 0)

这样运行不会有任何警告，结果和你之前的完全一致：array([0.94736842, 0.94444444, 0.94117647, 0.9375 , 0. , 0. , 0. ])

方案2：掩码赋值法 #

先创建全0数组，再只对非零的部分执行除法，同样能避免除零：

import numpy as np
tpx = np.array([0.95, 0.9, 0.85, 0.80, 0.75, 0.0, 0.0, 0.0])

px = np.zeros(len(tpx)-1)
# 生成非零掩码
mask = tpx[:-1] != 0
# 仅对掩码覆盖的位置做除法赋值
px[mask] = tpx[1:][mask] / tpx[:-1][mask]

这种方法逻辑直观，适合新手理解，同样不会触发警告。

方案3：临时屏蔽警告（不推荐） #

如果只是想快速隐藏警告（不解决根源问题），可以用np.errstate上下文管理器临时忽略相关警告：

import numpy as np
tpx = np.array([0.95, 0.9, 0.85, 0.80, 0.75, 0.0, 0.0, 0.0])

with np.errstate(divide='ignore', invalid='ignore'):
    px = np.where(tpx[:-1] !=0, tpx[1:]/tpx[:-1], 0)

⚠️ 注意：这种方法只是“隐藏”警告，实际上还是执行了除零操作，可能会留下潜在的逻辑隐患，所以优先推荐前两种方案。

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