python - 标量的奇怪 numpy 划分行为

Question

我一直在尝试升级一个包含大量标量几何运算的库，这样它们也可以与 numpy 数组一起使用。在执行此操作时，我注意到 numpy divide 有一些奇怪的行为。

在原始代码中，如果两个变量都不为零，则检查变量之间的归一化差异，然后切换到 numpy，最终看起来像这样:

import numpy as np

a = np.array([0, 1, 2, 3, 4])
b = np.array([1, 2, 3, 0, 4])

o = np.zeros(len(a))
o = np.divide(np.subtract(a, b), b, out=o, where=np.logical_and(a != 0, b != 0))
print(f'First implementation: {o}')

对于无法计算的实例，我传入了一个初始化为零的输出缓冲区；这返回:

First implementation: [ 0.         -0.5        -0.33333333  0.          0.        ]

我不得不为标量稍微修改一下，因为 out 需要一个数组，但它看起来没问题。

a = 0
b = 4
o = None if np.isscalar(a) else np.zeros(len(a))
o = np.divide(np.subtract(a, b), b, out=o, where=np.logical_and(b != 0, a != 0))
print(f'Modified out for scalar: {o}')

返回

Modified out for scalar: 0.0.

然后通过一些测试功能运行它，发现其中很多都失败了。深入研究，我发现第一次使用 where 设置为 False 的标量调用除法时，函数返回零，但如果我再次调用它，第二个时间它返回一些不可预测的东西。

a = 0
b = 4
print(f'First divide: {np.divide(b, a, where=False)}')
print(f'Second divide: {np.divide(b, a, where=False)}')

返回

First divide: 0.0
Second divide: 4.0

查看文档，它说“其中条件为 False 的位置将保持未初始化状态”，所以我猜 numpy 是一些内部缓冲区，它最初设置为零，然后它最终会保留一个较早的中间值。

我正在努力了解如何在有或没有 where 子句的情况下使用 divide；如果我使用 where 我会得到不可预知的输出，如果我不使用，我将无法防止被零除。在这些情况下，我是不是遗漏了什么，或者我只需要有不同的代码路径？我意识到我已经使用 out 变量进入了不同的代码路径。

如有任何建议，我将不胜感激。

Answer 1

在我看来这像是一个错误。但是我认为无论如何出于性能原因，您都希望在标量的情况下将对 ufuncs 的调用短路，因此这是一个试图防止它过于困惑的问题。由于 a 或 b 可能是标量，因此您需要同时检查它们。将该检查放入有条件地返回输出数组或 None 的函数中，您可以这样做

def scalar_test_np_zeros(a, b):
    """Return np.zeros for the length of arguments unless both
    arguments are scalar, then None."""
    if a_is:=np.isscalar(a) and np.isscalar(b):
        return None
    else:
        return np.zeros(len(a) if a_is else len(b))

a = 0
b = 4
if o := scalar_test_np_zeros(a, b) is None:
    o = (a-b)/b if a and b else 0.0
else:
    np.divide(np.subtract(a, b), b, out=o, 
        where=np.logical_and(b != 0, a != 0))

标量测试在其他有类似问题的代码中很有用。