处理 numpy 数组归一化中的零

Question

我有一个 numpy 二维向量数组，我正在尝试对其进行标准化，如下所示。数组可以有幅度为零的向量。

x = np.array([[0.0, 0.0], [1.0, 0.0]])
norms = np.array([np.linalg.norm(a) for a in x])

>>> x/norms
array([[ nan,   0.],
       [ inf,   0.]])

>>> nonzero = norms > 0.0
>>> nonzero
array([False,  True], dtype=bool)

我能否以某种方式使用nonzero 将除法仅应用于x[i]，使得nonzero[i] 是True？ （我可以为此编写一个循环 - 只是想知道是否有一种 numpy 方法）

或者有没有更好的方法来规范化向量数组，在过程中跳过所有零向量？

Answer 1

如果您可以就地进行标准化，您可以像这样使用布尔索引数组：

nonzero = norms > 0
x[nonzero] /= norms[nonzero]

Answer 2

这是一种可能的方法

norms = np.sqrt((x**2).sum(axis=1,keepdims=True))
x[:] = np.where(norms!=0,x/norms,0.)

这使用 np.where 进行您需要的替换。

注意：在这种情况下，x 已就地修改。

Answer 3

进行计算然后将结果修改为您想要的结果可能是最简单的：

y = x/norms
y[np.isnan(y) | np.isinf(y)]=0

#y = array([[ 0.,  0.],
#       [ 0.,  0.]])