基于行的一部分的最小-最大归一化

Question

我有一个 numpy 数组，我想根据行的常数 window 大小的最大值和最小值对数组进行归一化，然后使用 x_normal = (x-min)/(max-min).

例如，在下面的数组中，我选择每行中每个 4 列的最大值和最小值。对于第一行，4 列 (3, 5, 3, 3) 最小值和最大值是 3、5 然后是 (3-3/5-3,5-3/5-3, 3-3/5-3, 3-3/5-3) 然后是 (9,2,2,5) 最小值最大值为 2、9，然后 (9-2/9-2, 2-2/9-2,2-2/9-2, 5-2/9-2) 依此类推。

import numpy as np
x = np.array([
       [3, 5, 3, 3, 9, 2, 2, 5, 1, 0, 7, 2],
       [4, 4, 8, 4, 3, 1, 4, 8, 7, 6, 1, 4]
       ])

output:

x = np.array([
       [0, 1, 0, 0, 1, 0, 0, 3/7, 1/6, 0, 1, 2/6],
       [0, 0, 1, 0, 2/7, 0, 3/7, 1, 1, 5/6, 0, 3/6]
       ])

Answer 1

import numpy as np
import numpy.typing as npt


def normalize(array: npt.NDArray) -> npt.NDArray:
    minimum = np.expand_dims(np.min(array, axis=1), axis=1)
    maximum = np.expand_dims(np.max(array, axis=1), axis=1)
    return (array - minimum) / (maximum - minimum)

x = np.array([
    [3, 5, 3, 3, 9, 2, 2, 5, 1, 0, 7, 2],
    [4, 4, 8, 4, 3, 1, 4, 8, 7, 6, 1, 4]
]).astype(float)

windows_size = 4
for i in range(0, x.shape[1], windows_size):
    x[:, i: i + windows_size] = normalize(x[:, i: i + windows_size])

方法：

Select滑动windows尺寸
取指定大小windows的子数组
每列计算 min/max
每列执行减法和除法

基于行的一部分的最小-最大归一化

Min-max normalization based on a part of row

python

numpy