Python 防止Numpy生成NAN

我有一个数字代码，数字可以任意变小。我目前正在使用

numpy.nan\u to_num

生成小值

0

。有没有办法阻止numpy首先使用

NaN

例如，考虑这种情况：

import numpy
a = numpy.array([0]) / numpy.array([0.]) 

给出

数组（[nan]）

。如果我随后执行

numpy.nan\u to_num（a）

，我会得到

array（[0.]）

。有没有办法绕过手动

nan\u to_num

步骤，让

numpy

不使用

nan

s

我想指出，在我的代码中，我没有将0除以0。有一些步骤可以生成NAN（比如一个根为0的根查找应用程序），但如果不提供大量代码，我无法创建一个MCVE来复制NAN。

---

这很重要，因为我想防止奇怪的下溢问题

假设我们有下面非常简单的Numpy示例

In [0]: import numpy as np
   ...: 
   ...: x_in = np.arange(1000, 1003, 1.0)
   ...: 
   ...: def f(x):
   ...:     return np.exp(2*x+1)/np.exp(3*x-2)
   ...: f(x_in)
Out[0]: array([ nan,  nan,  nan])

其中，函数

f

执行一些计算并返回输入向量

x_的NaNs

处理这个问题可能有多种方法

默认情况下，numpy使用64位浮点数。在这种特殊情况下，只需将输入向量转换为128位即可解决问题

In [1]: f(x_in.astype('float128'))
Out[1]: array([ 1.0195336e-433,  3.7506545e-434,  1.3797887e-434], dtype=float128)

以一些额外的计算成本为代价

正确的方法将是考虑为什么出现，并改写函数以避免64位浮点，

In [2]: def f(x):
   ...:     # using the fact that exp(a)/exp(b) = exp(a-b)                  
   ...:     return np.exp((2*x-1) - (3*x-2))  
   ...: f(x_in)
   ...: 
Out[2]: array([ 0.,  0.,  0.])


最后，在极少数情况下，当我们不能（或不想）重写数学问题时，我们可以使用任意精度的浮点

结果可以转换为具有
res.astype（'float64'）
的常规numpy数组。不过，对于大型阵列而言，这将非常缓慢

在任何情况下，您都需要知道代码的哪一部分生成了NAN，以便对此做些什么

顺便说一句，使用
numpy.nan\u to_num
将nan替换为
0.0
从根本上讲是错误的，除非您知道这些nan发生的确切原因。因为NaN可以是任何数字，而不必是0。例如，
np.exp（-1000+1）/np.exp（-1000-1）
将导致带有64位浮点的NaN，而正确答案是
np.exp（2）
=
7.389
 我想你不明白为什么0/0是NaN。这不是底流状态。你应该先问问自己为什么要除以零。防止Numpy生成NaN的一种方法是在执行可以生成NaN的操作之前编写正确的代码并检查输入。@Paul，David，请参阅更新。我仍然认为你没有完全理解这一点。你似乎有意掩盖这件事。你不会告诉我们你是如何得到这些NAN的，这表明你认为这并不重要。根据我的经验，这种情况不太可能发生。拥抱南部并找到适当的方法来处理它们；例如，使用由NAN定义的屏蔽数组。
In [3]: import mpmath as mp
   ...: 
   ...: def f(x):
   ...:     mpexp_vect = np.frompyfunc(mp.exp, 1, 1)
   ...:     res = mpexp_vect(2*x+1)/mpexp_vect(3*x-2)
   ...:     return res
   ...: f(x_in)
   ...: 
Out[3]: array([mpf('1.0195335985731257e-433'), mpf('3.7506545049859113e-434'), 
        mpf('1.3797886833213697e-434')], dtype=object)