Python：NumPy 除以总和或将其替换为另一个

Question

我目前正在尝试使用 NumPy 库获取矩阵，但有一个问题我找不到解决方案

我目前有以下 numpy 数组

mat = 
[[0. 1. 1. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0.]
 [1. 1. 0. 0. 1. 0.]
 [0. 0. 0. 0. 1. 1.]
 [0. 0. 0. 1. 0. 1.]
 [0. 0. 0. 1. 0. 0.]]

现在我想将每一行除以行的总和，但如果行的总和等于 0，我将其替换为 1/len(mat) 的行。我尝试使用以下代码：

    for line in mat:
        line /= np.sum(line)
        mat[np.isnan(mat)] = 1/N 

以下代码将返回：

[[0.         0.5        0.5        0.         0.         0.        ]
 [0.16666667 0.16666667 0.16666667 0.16666667 0.16666667 0.16666667]
 [0.33333333 0.33333333 0.         0.         0.33333333 0.        ]
 [0.         0.         0.         0.         0.5        0.5       ]
 [0.         0.         0.         0.5        0.         0.5       ]
 [0.         0.         0.         1.         0.         0.        ]]

这是我试图得到的正确结果，但它给出了RuntimeWarning: invalid value encountered in true_divide。

所以我想知道是否有更好的方法来获得正确的结果，所以我不必在每一行之后检查该行是否充满nan。 （此外，如果有一种方法可以立即将每行除以每行的总和，而不必使用for 循环。）

Answer 1

逐行除以总和并用1/len(mat)填充NaN

np.nan_to_num(                     # Function to replace non-finite values with given value
    np.divide(                     # Divide function
        mat,                       # Input array for division
        mat.sum(axis=1)[:, None]   # Sum across axis=1(across row) and transpose them for division
    ),
    nan=1/len(mat)                 # value that will replace non-finite values
)

单线

np.nan_to_num(np.divide(mat, mat.sum(axis=1)[:, None]), nan=1/len(mat))

输出

[[0.         0.5        0.5        0.         0.         0.        ]
 [0.16666667 0.16666667 0.16666667 0.16666667 0.16666667 0.16666667]
 [0.33333333 0.33333333 0.         0.         0.33333333 0.        ]
 [0.         0.         0.         0.         0.5        0.5       ]
 [0.         0.         0.         0.5        0.         0.5       ]
 [0.         0.         0.         1.         0.         0.        ]]

Answer 2

你在寻找类似的东西

import numpy as np

mat = np.array([[0. ,1. ,1., 0., 0., 0.],
 [0., 0., 0., 0., 0. ,0.],
 [1. ,1., 0., 0., 1., 0.],
 [0., 0., 0., 0. ,1., 1.],
 [0. ,0., 0., 1., 0., 1.],
 [0. ,0. ,0. ,1. ,0., 0.]])

sum_ = np.sum(mat, axis=1)

mat[(sum_==0), :] = 1/len(mat) # handle where sum==0
mat[~(sum_==0), :] /= sum_[~(sum_==0), np.newaxis] # handle where sum not 0

mat

array([[0.        , 0.5       , 0.5       , 0.        , 0.        ,
        0.        ],
       [0.16666667, 0.16666667, 0.16666667, 0.16666667, 0.16666667,
        0.16666667],
       [0.33333333, 0.33333333, 0.        , 0.        , 0.33333333,
        0.        ],
       [0.        , 0.        , 0.        , 0.        , 0.5       ,
        0.5       ],
       [0.        , 0.        , 0.        , 0.5       , 0.        ,
        0.5       ],
       [0.        , 0.        , 0.        , 1.        , 0.        ,
        0.        ]])

Answer 3

import numpy as np

mat = np.array([[1,2,3],[4,5,6], [-1,0,1]])
s = mat.sum(axis=1, keepdims=True)  # sum of each line
out = np.ones_like(mat).astype(np.float) / len(mat)  # initialize with 1/N
not_zeros = s[:,0]!=0  # logical indexes of noz zero sum lines 
out[not_zeros, :] = mat[not_zeros, :] / s[not_zeros] # normalize onlt the non zero sum lines
print(out)

[[0.16666667 0.33333333 0.5       ]
 [0.26666667 0.33333333 0.4       ]
 [0.33333333 0.33333333 0.33333333]]

更新 - 零和线是 1/N