标准化 numpy 信号（3 维数组），按轴 = 2，在 -1 到 1 之间答案

【问题标题】：Normalize numpy signal (3 dimension array), by axis=2, between -1 to 1标准化 numpy 信号（3 维数组），按轴 = 2，在 -1 到 1 之间
【发布时间】：2020-12-25 16:37:05
【问题描述】：

我有一个 NumPy 数组 [shape: (100, 11, 1000)]，我想按轴 = 2 归一化为 -1 到 1 之间的值。我应该使用哪种方法来确保批量处理每个信号和通道（轴 0 和 1），其中值的范围在 -1 到 1 之间？

图 1： 数据值可以在 -20 到 20 之间，例如plt.plot(data[0,0])：

图2：范围在-140到140之间，例如plt.plot(data[55,3])：

更新： MinMaxScaler 不支持 3 维数组： Found array with dim 3. MinMaxScaler expected <= 2.

更新：应用以下代码不会产生与输入类似的信号：

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
norm = X_std * (max - min) + min

图 3： 对输入应用 min-max 范数代码后的输出 图 1：

【问题讨论】：

标签： python numpy

【解决方案1】：

只需在以下公式中指定axis=2：

X_std = (X - X.min(axis=2)) / (X.max(axis=2) - X.min(axis=2))
X_scaled = X_std * (max - min) + min

axis=0 信号失真是绝对正常的，因为与其他样本值相比，每个点都会被归一化！

【讨论】：

【解决方案2】：

您可以使用 sklearn 中的 MinMaxScaler

from sklearn.preprocessing import MinMaxScaler

# create object with feature range of -1, 1
scaler = MinMaxScaler(feature_range=(-1, 1))

# transform data
transformed_array = scaler(your_data)

如果你不想使用 sklearn，你可以自己在 numpy 中实现它。上面的公式是使用以下公式计算的：

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min

文档：https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html

【讨论】：