Python NumPy 中的逐元素除法

要对 NumPy 数组中对应位置的值相除，可以使用 numpy.divide(x1, x2) 或 x1 / x2。两种写法都会逐元素执行真除法并返回一个数组；如果需要用 out 或 where 等可选参数控制结果，可以选择函数形式。

使用 numpy.divide()

numpy.divide() 的第一个参数是被除数，第二个参数是除数。两个数组形状相同时，第一个数组中的每个值都会除以第二个数组相同位置的值。如果之后还要使用返回的数组，请将它赋给一个变量。out 参数是可选的：省略它时，NumPy 会创建并返回结果；如果要将结果写入已有数组，则传入形状和数据类型兼容的数组。

运行以下示例：

本节中的代码以及显示的标签或输出仍为英文。

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.]

第一次调用函数时省略了 out，因此会返回新创建的数组。第二次调用会将结果写入 destination；这个数组已按结果所需的形状和数据类型创建。运算符使用相同的输入，因此三个数组中的商都相同。输入是整数，而真除法会产生浮点数值。

使用 / 运算符

在大多数表达式中，/ 是对 NumPy 数组逐元素相除时最简洁明了的写法。可以写成 result = numerators / denominators；运算会按位置逐项进行，结果数组可以赋给变量、用于索引，或传给其他 NumPy 运算。当某个操作数是标量，或两个数组的形状兼容时，NumPy 会按照数组运算规则处理。

/ 并不是单独的整数除法运算：对于整数数组，它会执行真除法，商以浮点数表示。这与 Python 的 // 不同，后者执行向下取整除法。应根据所需运算选择运算符；需要保留小数商时，不要使用 //。

广播、数据类型与零除数

形状相同的数组会直接对对应元素相除。NumPy 也支持兼容形状之间的广播：从最右侧维度开始比较，每一对维度必须相等，或其中一个维度为 1。例如，形状为 (2, 3) 的二维数组可以除以形状为 (3,) 的一维数组，这会将每个除数应用到每一行。如果形状不符合广播规则，就无法逐元素相除；遇到形状不匹配时，请检查两个操作数的 array.shape。

结果的数据类型取决于输入的数据类型以及除法运算。具体来说，整数输入使用 / 或 numpy.divide() 时会得到真除法结果，不会将每个商截断为整数。如果后续步骤需要特定的数据类型，请在除法后有意进行转换，并考虑转换是否会丢失小数部分。

对于真除法，/ 和 numpy.divide() 对整数输入都会产生浮点数结果。因此，除数为零时，非零被除数可能得到无穷大，而 0 / 0 会得到 nan，并伴随运行时警告；浮点数输入也可能出现这些情况。本文介绍的是这些真除法形式；使用 // 的向下取整除法属于不同运算，不在此范围内。如果要排除除数为零的位置，请先初始化输出数组，再使用 numpy.divide(a, b, out=result, where=b != 0)；条件为假的位置会保留已初始化的值。请选择适合后续计算的填充值，并另外决定如何处理这些被排除的位置。

如何选择除法写法

如果只需要简洁地表达逐元素相除，请使用 /。如果需要利用函数参数，尤其是将结果写入已有数组的 out，或用 where 选择要计算的位置，请使用 numpy.divide()。无论采用哪种写法，都要确认操作数的形状兼容，并根据数据类型决定如何处理零除数。做好这些检查后，代码就更容易适用于向量、矩阵和可广播的输入。