规范化/翻译 ndarray - Numpy / Python答案

【问题标题】：Normalize / Translate ndarray - Numpy / Python规范化/翻译 ndarray - Numpy / Python
【发布时间】：2014-04-22 22:54:11
【问题描述】：

有一种简单的方法可以标准化一个 ndarray（每个值都在 0.0, 1.0 之间）？

例如，我有一个像这样的矩阵：

a = [[1., 2., 3.],
     [4., 5., 6.],
     [7., 8., 9.]]

到目前为止，我正在获得最大值

max(max(p[1:]) for p in a)
a / p

除了我认为 numpy 可能在一行中有一个方法，如果我的数据是这样的，这不起作用：

b = [[-1., -2., -3.],
     [-4., -5., -6.],
     [-7., -8., 0.]]

这给出了由零除法引起的错误。

我想要做的是最大值变为 1。所以，我想做一个转换，使 9 变为 1（在正的情况下，只需将值除以最大值）和 0（当它是最大值）变为 1（使用翻译方法，例如），我知道这样做很热，但我猜 numpy 可能在其包中有解决方案。

如何使用 numpy 很好地执行此操作？

提前谢谢你。

【问题讨论】：

如果最大值为 0，你将如何规范化数组？该错误不是因为您的操作方式，而是您定义问题的方式中的域错误。
我想要做的是最大值变为 1，最小值变为 0。所以，我想做一个翻译，使 0 变为 1，我知道这样做很热，但是我猜 numpy 可能在它的包里有一个解决方案。
好的，所以你想按最大幅度（即绝对值）进行归一化。
最小零没有意义，抱歉。
@sh1ftst0rm -- 不完全是。在一般情况下，按最大幅度标准化会将值置于 -1、1 的范围内。峰峰值需要进行偏移和归一化。

标签： python numpy normalization multidimensional-array

【解决方案1】：

在一般情况下，您可以将np.ptp¹（峰到峰）与np.min 结合使用：

new_arr = (a - a.min())/np.ptp(a)

示例：

>>> a = np.array([[-1., 0, 1], [0, 2, 1]])
>>> np.ptp(a)
3.0
>>> a
array([[-1.,  0.,  1.],
       [ 0.,  2.,  1.]])
>>> (a - a.min())/np.ptp(a)
array([[ 0.        ,  0.33333333,  0.66666667],
       [ 0.33333333,  1.        ,  0.66666667]])

当然，如果a 完全由零组成，这仍然会产生错误——但在这种情况下问题不是很好。

^{¹IIRC，np.ptp 调用 np.max 和 np.min。如果性能真的很关键，您可以创建自己的ptp 并将np.min 保存到临时变量中，这样您就不会计算两次。}

【讨论】：

注意，最大值为0时OP有问题；在这种情况下，我认为这没有帮助。
@CodyPiersall -- 是的，我意识到了这一点。已解决。