规范化 Numpy 数组

Question

我有一个 Numpy 数组，我想规范化它的值。我使用了以下代码，但规范化后我的数据已损坏。是否有特定的归一化函数？

我该怎么做？

def preprocess(data):
     data=np.nan_to_num(data)  
     maximum=np.amax(data)
     minimum=np.amin(data)
     data=(data-minimum)/(maximum-minimum)  
     print(data)
     return data

数据：

Answer 1

如果您正在寻找替代方案，一种可能的选择是使用 scikit-learn 中的 MinMaxScaler。这是一个示例（请注意，这会标准化每一列）：

>>> import numpy as np
>>> from sklearn.preprocessing import MinMaxScaler

>>> data = np.random.random((10,2))
>>> sc = MinMaxScaler(feature_range=(0, 1))
>>> data_norm = sc.fit_transform(data)

>>> data_norm
array([[1.        , 0.04518975],
       [0.09360991, 1.        ],
       [0.94696839, 0.28945529],
       [0.43489412, 0.        ],
       [0.47447027, 0.53392371],
       [0.59116035, 0.82860749],
       [0.81434593, 0.78785469],
       [0.        , 0.03156277],
       [0.51659277, 0.06002646],
       [0.82566529, 0.67091873]])

正如@Mr.T 在评论中已经提到的那样，您的代码运行良好，它相对于整个数组标准化了数据。这就是我的意思：

>>> data_norm = sc.fit_transform(data.reshape(-1,1)).reshape(-1,data.shape[1])
>>> data_norm

>>> data_norm
array([[0.94871152, 0.04518975],
       [0.09136079, 1.        ],
       [0.89854913, 0.28945529],
       [0.41418014, 0.        ],
       [0.45161507, 0.53392371],
       [0.56199174, 0.82860749],
       [0.77310208, 0.78785469],
       [0.00281555, 0.03156277],
       [0.49145857, 0.06002646],
       [0.78380902, 0.67091873]])

运行你的代码给出：

>>> data_norm = preprocess(data)
>>> data_norm
array([[0.94871152, 0.04518975],
       [0.09136079, 1.        ],
       [0.89854913, 0.28945529],
       [0.41418014, 0.        ],
       [0.45161507, 0.53392371],
       [0.56199174, 0.82860749],
       [0.77310208, 0.78785469],
       [0.00281555, 0.03156277],
       [0.49145857, 0.06002646],
       [0.78380902, 0.67091873]])