如何在没有 MinMaxScaler 包的情况下规范化 numpy 数组上的数据答案

【问题标题】：How to normalization data on numpy array, without MinMaxScaler package如何在没有 MinMaxScaler 包的情况下规范化 numpy 数组上的数据
【发布时间】：2023-01-09 18:30:49
【问题描述】：

如何在没有 minmaxscaler 包的情况下规范化数据。这里我已经按照minmax比例公式试过了。但我收到这样的错误IndexError：标量变量的索引无效。

代码：

scale = []

for i in range(0,6):
    minFP = FCData[:,i].min()
    maxFP = FCData[:,i].max()
    yscale = (FCData[:,i] - minFP[i]) / ( maxFP[i] - minFP[i])
    scale.append(yscale[i])

scale = np.array(scale)

我的数据：数据形状：（15000,6）

array([[     4.46733  ,      4.39629  ,    -34.2351   ,  -4077.23     ,
         -6206.81     ,   -874.539    ],
       [     7.65166  ,      2.61174  ,    -49.7356   ,  -4846.76     ,
         -9060.05     ,  -1291.39     ],
       [    11.285    ,     -2.91447  ,    -87.9661   ,  -5412.32     ,
        -16345.2      ,   -213.72     ],
       [    12.7313   ,     -6.48048  ,   -123.094    ,  -5939.48     ,
        -23005.6      ,    443.115    ],
       [    11.6425   ,      0.0259204,   -131.717    ,  -6972.53     ,
        -24651.9      ,  -1112.73     ],
       [    12.3602   ,     10.1988   ,   -139.597    ,  -8544.17     ,
        -26118.8      ,  -3260.79     ],
       [    16.0733   ,     12.1455   ,   -165.01     , -10371.5      ,
        -30873.5      ,  -3643.65     ],
       [    21.1933   ,      8.86926  ,   -210.599    , -12673.2      ,
        -39447.9      ,  -2785.69     ],
       [    24.3619   ,      7.59683  ,   -267.449    , -16170.6      ,
        -50300.9      ,  -2823.35     ]])

【问题讨论】：

maxFP 和 minFP 只是值而不是列表/数组，因此不需要 i 索引，例如，将 yscale = (FCData[:,i] - minFP[i]) / ( maxFP[i] - minFP[i]) 更改为 yscale = (FCData[:,i] - minFP) / (maxFP - minFP)
此外，对于您的行 scale.append(yscale[i])，您需要将其更改为 scale.append(yscale)，否则您的输出将仅包含每列的单个缩放值，而不是该列的所有值。
但为什么数据形状会是 (6,15000)？应该是 (15000,6)

标签： python normalization

【解决方案1】：

您应该能够在 1 行上执行此操作：

scaleddata = (FCData - FCData.min(axis=0)) / (FCData.max(axis=0) - FCData.min(axis=0))

或者（感谢 cmets 中的@cards），这可能会更短：

scaleddata = (FCData - FCData.min(axis=0)) / np.ptp(FCData, axis=0)

【讨论】：

获取peak-to-peak值np.ptp(FCData, axis=0)而不是max - min的快捷方式