Python NumPy 中的逐元素除法

要逐元素相除 NumPy 陣列中的對應值，可以使用 numpy.divide(x1, x2) 或 x1 / x2。兩者都會執行逐元素真除法並傳回陣列；若需要透過 out 或 where 等選用參數控制結果，可使用函式形式。

使用 numpy.divide()

numpy.divide() 的第一個引數是被除數，第二個引數是除數。若兩個陣列的形狀相同，第一個陣列中的每個值都會除以第二個陣列中相同位置的值。若之後還要使用傳回的陣列，請將它指定給變數。out 引數是選用的：省略它時，NumPy 會建立並傳回結果；若要將結果寫入既有的陣列，則可傳入形狀與資料型別相容的陣列。

執行以下範例：

本節中的程式碼以及顯示的標籤或輸出仍為英文。

import numpy as np

numerators = np.array([12, 18, 24])
denominators = np.array([3, 6, 8])
by_function = np.divide(numerators, denominators)
destination = np.array([0.0, 0.0, 0.0])
np.divide(numerators, denominators, out=destination)
by_operator = numerators / denominators
print(by_function)
print(by_operator)
print(destination)

[4. 3. 3.]
[4. 3. 3.]
[4. 3. 3.]

第一個函式呼叫省略了 out，因此會傳回新建立的陣列。第二個呼叫會將結果寫入 destination；這個陣列建立時已使用與結果相同的形狀和資料型別。運算子使用相同的輸入，因此三個陣列中的商都相同。輸入值是整數，但真除法會產生浮點數值。

使用 / 運算子

在大多數運算式中，/ 是讓 NumPy 陣列逐元素相除最簡潔明瞭的寫法。可寫成 result = numerators / denominators；運算元會逐位置進行運算，結果陣列則可指定給變數、用索引存取，或傳入其他 NumPy 運算。若其中一個運算元是純量，或兩個陣列的形狀相容，NumPy 會依照陣列運算規則處理。

/ 並不是另一種整數除法運算：對整數陣列使用 / 時，執行的是真除法，商會以浮點數表示。這與 Python 的 // 不同；// 執行的是向下取整除法。請依照所需的運算選擇運算子；需要保留小數商時，不要使用 //。

廣播、資料型別與除數為零

形狀相同的陣列會直接將對應元素相除。NumPy 也會對形狀相容的陣列套用廣播：從右側開始比較各維度，每一對維度的大小必須相同，或其中一個必須是 1。例如，形狀為 (2, 3) 的二維陣列可以除以形狀為 (3,) 的一維陣列，讓每一列都套用相同的除數。若形狀不符合廣播規則，就無法逐元素相除；遇到形狀不符時，請檢查兩個運算元的 array.shape。

結果的資料型別取決於輸入資料型別和除法運算。特別是，使用 / 或 numpy.divide() 處理整數輸入時，會得到真除法結果，不會將每個商截斷為整數。若後續步驟需要特定資料型別，請在除法後明確轉換，並留意轉換是否會捨棄小數部分。

對整數輸入執行真除法時，/ 和 numpy.divide() 都會產生浮點數結果。因此，除數為零時，非零分子可能得到無限大，0 / 0 則可能得到 nan，並伴隨執行期警告；浮點數輸入也可能出現這些情況。本文介紹的是這些真除法形式；使用 // 的向下取整除法是不同的運算，不屬於這裡說明的行為。若要排除除數為零的位置，請先初始化輸出陣列，再使用 numpy.divide(a, b, out=result, where=b != 0)；條件為假的位置會保留初始化時的值。請選擇適合後續計算的填充值，並另外決定如何處理這些被排除的位置。

選擇除法方式

若要以簡潔的運算式取得逐元素商，請使用 /。若需要函式引數提供的功能，尤其是將結果寫入既有陣列的 out，或選擇要計算哪些位置的 where，請使用 numpy.divide()。無論使用哪種方式，都要確認運算元的形狀相容，並依照資料的型別決定如何處理除數為零的情況。做好這些檢查後，程式碼便更容易套用到向量、矩陣和可廣播的輸入。