Как разделить массив NumPy на скаляр в Python

Чтобы разделить массив NumPy на скаляр в Python, мы можем использовать оператор / для простого поэлементного деления или numpy.divide для дополнительного контроля над операцией. Обработка деления на ноль достигается с помощью numpy.seterr. NumPy также поддерживает поэлементное деление с трансляцией для массивов различной формы и деление на месте с использованием оператора /=.

• 1. Используя оператор /
• 2. С помощью np.divide()
• 3. С делением на ноль
• 4. Поэлементно с трансляцией
• 5. С делением на месте
• Что такое np.divide vs/?

1. Используя оператор /

Самый простой способ разделить массив NumPy на скаляр в Python — использовать оператор деления /. Когда мы используем этот оператор, каждый элемент массива делится на скалярное значение. Эта операция векторизована, то есть эффективно реализована для работы с массивами любого размера.

Вот пример:

import numpy as np

populations = np.array([8.4, 3.9, 2.7, 2.3, 1.7])
result = populations / 2
print(result)

Выход:

[4.2  1.95 1.35 1.15 0.85]

Ниже показан снимок экрана, на котором запечатлен результат выполнения кода в редакторе PyCharm.

2. С помощью np.divide()

Функция np.divide также может использоваться при делении массива NumPy на скаляр в Python. Это особенно полезно, когда нам нужен дополнительный контроль над операцией, например, указание типа выходных данных.

Вот базовый пример, иллюстрирующий, как это работает:

import numpy as np

temperatures = np.array([68, 75, 59, 85, 72])
result = np.divide(temperatures, 2)
print(result)

Выход:

[34.  37.5 29.5 42.5 36. ]

Результат запуска кода в PyCharm визуально представлен на снимке экрана ниже.

3. С делением на ноль

Когда NumPy делит массив на скаляр в Python, существует потенциальный риск деления на ноль, что может вызвать ошибку или привести к значениям inf или nan. Чтобы справиться с этим, мы можем использовать numpy.seterr для управления тем, как NumPy обрабатывает такие ошибки.

Например:

import numpy as np

rainfall = np.array([49.9, 14.8, 36.9, 49.8, 8.2])
np.seterr(divide='ignore')
result = rainfall / 0
print(result)

Выход:

[inf inf inf inf inf]

На снимке экрана ниже показан результат, полученный при запуске кода в редакторе PyCharm.

4. Поэлементно с трансляцией

В NumPy мы также можем делить массивы разной формы с помощью трансляции. Например, если у нас есть 2D-массив и скаляр, NumPy автоматически транслирует скаляр в соответствии с формой массива.

Например:

import numpy as np

distances = np.array([[0, 2446, 713, 1625, 2298],
                      [2446, 0, 1745, 1374, 372],
                      [713, 1745, 0, 925, 1447]])
result = distances / 2
print(result)

Выход:

[[   0.  1223.   356.5  812.5 1149. ]
 [1223.     0.   872.5  687.   186. ]
 [ 356.5  872.5    0.   462.5  723.5]]

Ниже показано изображение, отображающее результаты выполнения кода в среде PyCharm.

5. С делением на месте

Для повышения эффективности использования памяти мы можем захотеть выполнить операцию деления на месте, изменив исходный массив. Это можно сделать с помощью оператора /=.

Например:

import numpy as np

gdp_growth = np.array([2.5, 3.1, 2.8, 3.6, 3.0])
gdp_growth /= 2
print(gdp_growth)

Выход:

[1.25 1.55 1.4  1.8  1.5 ]

На следующем изображении показаны результаты, полученные в результате выполнения кода в PyCharm.

Что такое np.divide vs/?

Ниже приведена таблица, сравнивающая np.divide и оператор / для деления массива в Python, особенно с использованием NumPy. Оба метода обычно используются для разделения массивов, но они имеют некоторые различия с точки зрения функциональности и использования.