如果存在零，则为 numpy - Python

如果在计算中存在零，那么通常会出现除以零或者无穷大的情况。为了避免这种情况，我们可以使用 NumPy 导入库，并使用其中的一些函数处理数组。

导入 NumPy

使用以下代码导入 NumPy 库：

import numpy as np

检测数组中是否存在零

使用以下代码可以检测数组中是否存在零：

arr = np.array([1, 2, 3, 0, 4, 5])
result = np.count_nonzero(arr == 0)

if result > 0:
    print("数组中存在零")
else:
    print("数组中不存在零")

代码中，我们定义了一个数组 arr，使用 np.count_nonzero 函数检查数组中为零的元素数量，如果 result 大于0，则表示数组中存在零。

处理存在零的计算

如果我们需要在计算中处理存在零的数组，我们可以使用 NumPy 提供的一些函数。

numpy.nan_to_num

将数组中的 NaN 替换为 0，同时将 inf 或 -inf 替换为极大值或极小值。

arr = np.array([1, 2, 3, 0, 4, 5])
result = np.nan_to_num(arr)

print(result)  # [1 2 3 0 4 5]

numpy.seterr

修改计算中遇到 inf 或 NaN 的行为。

np.seterr(divide='ignore', invalid='ignore')  # 忽略除以零的情况

arr = np.array([1, 2, 3, 0, 4, 5])
result = 1 / arr

print(result)  # [1.  0.5 0.33333333 inf 0.25 0.2 ]

以上代码中，我们使用 numpy.seterr 函数将计算中除以零的情况忽略掉了。

numpy.isclose

用于比较两个数组或者单个元素，如果它们非常接近，则返回 True。

a = np.array([1e10, 1e-7, 4.2])
b = np.array([1.00001e10, 1e-8, 4.20000001])

result = np.isclose(a, b, rtol=1e-5, atol=1e-8)
print(result)  # [ True  True  True]

以上代码中，我们比较两个具有非常大和非常小值的数组 a 和 b，并在 numpy.isclose 函数中设置了 rtol 和 atol 参数，这两个参数用来设置相对容差和绝对容差。