Python 当对具有无限值的矩阵调用时，Numpy triu生成nan

刚刚在triu函数的Numpy 1.8.1中发现了一些意外行为

import numpy as np
a = np.zeros((4, 4))
a[1:, 2] = np.inf
a
>>>array([[  0.,   0.,   0.,   0.],
          [ inf,   0.,   0.,   0.],
          [ inf,   0.,   0.,   0.],
          [ inf,   0.,   0.,   0.]])

np.triu(a)
>>>array([[  0.,   0.,   0.,   0.],
          [ nan,   0.,   0.,   0.],
          [ nan,   0.,   0.,   0.],
          [ nan,   0.,   0.,   0.]])

这种行为是否值得追求？或者我应该提交一份bug报告

编辑

我在Numpy github页面上提出了一个问题。解释 看起来您忽略了运行时警告：

>>> np.triu(a)
twodim_base.py:450: RuntimeWarning: invalid value encountered in multiply
  out = multiply((1 - tri(m.shape[0], m.shape[1], k - 1, dtype=m.dtype)), m)

详情如下:

def triu(m, k=0):
    m = asanyarray(m)
    out = multiply((1 - tri(m.shape[0], m.shape[1], k - 1, dtype=m.dtype)), m)
    return out

这用于获得对角线下方为1，上方为0的数组，并将其从1中减去，得到对角线下方为0，上方为1的数组：

>>> 1 - np.tri(4, 4, -1)
array([[ 1.,  1.,  1.,  1.],
       [ 0.,  1.,  1.,  1.],
       [ 0.,  0.,  1.,  1.],
       [ 0.,  0.,  0.,  1.]])

然后将该元素与原始数组相乘。因此，如果原始数组具有

inf

，则结果具有

inf*0

，即NaN

2.变通办法 用于生成下三角形的索引，并将所有这些项设置为零：

>>> a = np.ones((4, 4))
>>> a[1:, 0] = np.inf
>>> a
array([[  1.,   1.,   1.,   1.],
       [ inf,   1.,   1.,   1.],
       [ inf,   1.,   1.,   1.],
       [ inf,   1.,   1.,   1.]])
>>> a[np.tril_indices(4, -1)] = 0
>>> a
array([[ 1.,  1.,  1.,  1.],
       [ 0.,  1.,  1.,  1.],
       [ 0.,  0.,  1.,  1.],
       [ 0.,  0.,  0.,  1.]])

---

（根据您对

a

的操作，您可能需要在将这些条目归零之前复制一份。）

奇怪-我没有看到警告。我想他们一定被压制住了。好地方。尽管如此，这并不是真正令人满意的行为，对吗？@Gabriel:这是一个错误。我在不久前对代码做了一些修改，以加快它的速度，但整个乘法方法保持不变。我研究了使用布尔索引而不是乘法，这似乎是一个更合理的解决方案，但它使速度降低了约10%，所以它保持不变。这个测试用例为重新考虑这个决定提供了一个很好的理由，不过……至于您的解决方案，它（可能）要快得多：

mask=~np.tri（*a.shape，dtype=bool）；a[mask]=0

，但是是的，这似乎是克服此问题的方法。此问题现已解决，但恐怕要到1.10才能正式发布。非常快的工作，谢谢。在那之前，我将使用变通方法。你可能想看看，它非常圆滑，比这个问题的答案中讨论的要快一点

triu（a，k）

只是

np。其中（np.tri（*a.shape，k=k-1，dtype=bool），0，a）

，而

tril（a，k）

是

np。其中（np.tri（*a.shape，k=k，dtype=bool），arr，0）

。