标准化 python 中的 numpy 数组列

Question

我有一个 numpy 数组，其中特定行的每个单元格代表一个特征值。我将它们全部存储在一个 100*4 矩阵中。

A     B   C
1000  10  0.5
765   5   0.35
800   7   0.09

知道如何标准化每个值都在 0 和 1 之间的 numpy.array 行吗？

我想要的输出是：

A     B    C
1     1    1
0.765 0.5  0.7
0.8   0.7  0.18(which is 0.09/0.5)

提前致谢:)

Answer 1

如果我没理解错的话，你要做的是除以每列中的最大值。您可以使用 broadcasting.

轻松完成此操作

从您的示例数组开始：

import numpy as np

x = np.array([[1000,  10,   0.5],
              [ 765,   5,  0.35],
              [ 800,   7,  0.09]])

x_normed = x / x.max(axis=0)

print(x_normed)
# [[ 1.     1.     1.   ]
#  [ 0.765  0.5    0.7  ]
#  [ 0.8    0.7    0.18 ]]

x.max(0) 取第 0 维（即行）的最大值。这将为您提供一个大小为 (ncols,) 的向量，其中包含每列中的最大值。然后，您可以将 x 除以该向量以规范化您的值，以便每列中的最大值将缩放为 1。

如果 x 包含负值，您需要先减去最小值：

x_normed = (x - x.min(0)) / x.ptp(0)

此处，x.ptp(0) returns "peak-to-peak"（即范围，最大值 - 最小值）沿轴 0。此归一化还保证每列中的最小值将为 0 .

Answer 2

您可以使用 sklearn.preprocessing:

from sklearn.preprocessing import normalize
data = np.array([
    [1000, 10, 0.5],
    [765, 5, 0.35],
    [800, 7, 0.09], ])
data = normalize(data, axis=0, norm='max')
print(data)
>>[[ 1.     1.     1.   ]
[ 0.765  0.5    0.7  ]
[ 0.8    0.7    0.18 ]]

标准化 python 中的 numpy 数组列

Normalize numpy array columns in python

python

numpy

normalize