您可以使用numpy.where来选择要保留除法结果或原始值的值：

import numpy as np
x1 = np.array([[1,4,2,1],       
               [1,1,4,5],
               [0.5,0.3, 1,6],
               [0.8,0.2,0.7,1]])
x2 = np.array([[7,0,2,3],       
               [8,0,4,5],
               [0.1,0, 2,6],
               [0.1,0,0.16666667,6]])

np.where(x2==0, 0, x1/x2)
# or
# np.where(x2==0, x2, np.true_divide(x1, x2))

输出：

array([[0.14285714, 0.        , 1.        , 0.33333333],
       [0.125     , 0.        , 1.        , 1.        ],
       [5.        , 0.        , 0.5       , 1.        ],
       [8.        , 0.        , 4.19999992, 0.16666667]])

或者，使用numpy.divide的where参数来保留原始值：

np.divide(x1, x2, where=x2!=0)

请注意，行为不太明显，您可能需要检查两个值是否都为非空：

x1 = np.array([2,2,0,0])
x2 = np.array([2,0,2,0])
np.divide(x1, x2, where=(x2!=0)&(x1!=0)).round(10)
# array([1., 0., 0., 0.])

0/0可以通过将invalid='ignore'添加到numpy.errstate()来处理，引入numpy.nan_to_num()将np.nan转换为0。

with np.errstate(divide='ignore', invalid='ignore'):
    c = np.true_divide(x1,x2)
    c[c == np.inf] = 0
    c = np.nan_to_num(c)
print(c)

输出

[[0.14285714 0.         1.         0.33333333]
 [0.125      0.         1.         1.        ]
 [5.         0.         0.5        1.        ]
 [8.         0.         4.19999992 0.16666667]]