沿给定轴将 ndarray 除以最大值

Question

假设我有一个这样的数组

import numpy as np

a = np.array([[2]*9 + [3]*9 + [4]*9])
a = a.reshape((-1,3, 3))
print(a)

这是

[[[2 2 2]
  [2 2 2]
  [2 2 2]]

 [[3 3 3]
  [3 3 3]
  [3 3 3]]

 [[4 4 4]
  [4 4 4]
  [4 4 4]]]

因此，例如，如果我想将轴 0 中的每个对象除以其最大值（只得到 1），我将如何在不循环的情况下做到这一点？

Answer 1

您可以在第一个轴的每个 ndarray 中找到最大值，方法是沿行和列取 np.max，设置 keepdims=True，因此 a 被划分通过沿第一个轴产生的最大值：

a / np.max(a, axis=(1,2), keepdims=True)

输出

array([[[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]],

       [[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]],

       [[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]]])

Answer 2

基于上述答案，我认为将其扩展到需要多个 numpy 函数的转换会很有用，例如使用 min/max:

在 [0,1] 中进行归一化

import numpy as np
np.random.seed(1)

def zero_one_normalize_3d(arr):
    fs = np.min, np.max
    arr_min, arr_max = [f(arr, axis = (1, 2), keepdims = True) for f in fs]
    return (arr - arr_min) / (arr_max - arr_min)

def zero_one_normalize_2d(arr):
    return (arr - arr.min()) / (arr.max() - arr.min())

points = 10000
x1 = np.random.normal(3, 10, points)
x2 = np.random.normal(6, 10, points)
x3 = np.random.normal(9, 10, points)
a = np.column_stack((x1, x2, x3))
a = a.reshape(-1, 10, 3)

print(np.alltrue(zero_one_normalize_3d(a)[0] == zero_one_normalize_2d(a[0])))
> True

沿给定轴将 ndarray 除以最大值

Divide ndarray by maximums along given axis

python

numpy

multidimensional-array

tensor