在numpy数组规范化中处理零

Question

我有一个二维向量的numpy数组，我正试图将其规范化如下。阵列可以具有大小为零的矢量。

x = np.array([[0.0, 0.0], [1.0, 0.0]])
norms = np.array([np.linalg.norm(a) for a in x])
>>> x/norms
array([[ nan,   0.],
       [ inf,   0.]])
>>> nonzero = norms > 0.0
>>> nonzero
array([False,  True], dtype=bool)

我可以以某种方式使用nonzero仅将除法应用于x[i]，使得nonzero[i]是True吗？（我可以为此写一个循环——只是想知道是否有一种愚蠢的方法可以做到这一点）

或者有没有更好的方法来规范向量数组，在这个过程中跳过所有零向量？

Answer 1

如果您可以在适当的位置进行规范化，那么您可以像这样使用布尔索引数组：

nonzero = norms > 0
x[nonzero] /= norms[nonzero]

Answer 2

以下是实现的一种可能方法

norms = np.sqrt((x**2).sum(axis=1,keepdims=True))
x[:] = np.where(norms!=0,x/norms,0.)

这使用np.where来执行您需要的替换。

注意：在这种情况下，x被修改到位。

Answer 3

只需进行计算，然后将结果修改为您想要的结果可能是最简单的：

y = x/norms
y[np.isnan(y) | np.isinf(y)]=0
#y = array([[ 0.,  0.],
#       [ 0.,  0.]])