Python 在执行numpy广播操作时应用elementwise规则

我想将两个数值numpy对象

t

和

speed

相乘，而不事先知道每个对象是标量还是数组。问题是0是

t

（或

t

元素）的法定值，

inf

是

speed

（或

speed

元素）的法定值。我正在使用的模型有一个规则用于这种情况：当速度为无穷大且

t

为零时，乘积定义为0

我的问题是在应用规则的同时处理两个操作数可能是标量的，可能不是。到目前为止，我能想到的最好办法就是这个丑陋的瀑布：

if t.size == 1:
    if t.flat[0]:
        t = t * speed
else:
    nonzero = t != 0
    if speed.size == 1:
        t[nonzero] *= speed
    else:
        t[nonzero] *= speed[nonzero]

---

我忍不住想，必须有一种更有效、更具Numpythonic的方式，而这正是我所缺少的。有吗？

0*np.inf

抛出一个

RuntimeWarning

并计算为

np.nan

做乘法，然后替换

np.nan

，怎么样

import numpy as np

def multiply(a, b):
    temp = np.array(a*b)
    temp[np.isnan(temp)] = 0
    return temp

测试：

np.random.seed(123)
t = np.random.rand(10)
t[0] = 0
speed = np.random.rand(10)
speed[0] = np.inf
speed[6] = np.inf

输入：

multiply(t, speed)

输出：

array([ 0.        ,  0.09201602,  0.02440781,  0.49796297,  0.06170694,
    0.57372377,         inf,  0.03658583,  0.53141369,  0.1746193 ])

---

已经过了几天了，没有人写下hpaulj和SubhaneilLahiri在评论中给出的答案，所以我最好自己写。我之所以将此作为公认的答案，是因为它具有足够的一般性，足以解决问题的标题，即使在超出问题中给出的特定模型的情况下也是如此

# prepare zeros of the correct shape:
out = np.zeros(np.broadcast(t, speed).shape), dtype=float)

# write the product values into the prepared array, but ONLY
# according to the mask t!=0 
np.multiply(t, speed, where=t!=0, out=out)

---

在问题中的特定模型中，预先准备好的默认输出值0对于测试

t=0

失败：

0*速度

在

速度

有限的任何地方都是

0

，当

速度

无限时，它也是法定的

0

（根据模型规则）。但这种方法适用于更一般的情况：原则上，可以使用额外的numpy ufunc调用，用任意不同规则的结果填充输出数组的屏蔽部分。

如果确实需要，可以抛出“If t.size==1”和相应的“else”条件（外部子句）进入一个列表理解，然后将你的子条件（speed.size案例）放入另一个列表理解。我建议使用numpy操作和广播。使用[np.where]（）并利用numpy允许您广播向量运算和其他奇怪的事情的事实。@SachinRaghavendran谢谢，但问题已经从了解广播的位置开始了。在清单中，请注意逻辑树叶子上的三个乘法运算已经（可能）是广播操作。问题是如何在执行此操作时应用特定的

0*inf

处理规则。

ufunc

类似于multiple take a

where

参数。将其与

out

parameter@hpaulj这就是我一直在寻找的答案——一种利用广播功能的更通用的方法，我以前没有这样做过t之前遇到过，与下面warped的答案相反，warped的答案非常有效，但仅适用于本例中的特定规则。您是否愿意将其转换为实际答案，以便我可以接受？will

np.zero（np.broadcast（t，speed）.shape）

更好吗？它可读性较差，但可能更有效？嗯，谢谢，是的，我想这对我的情况会有用。进一步的改进是在

中使用numpy.errstate（invalid='ignore'）：

子句来抑制警告。您还必须说

temp=numpy.array（A*b）

而不是

temp=a*b

，因为使用索引的后续行在标量情况下不起作用。