与this question类似,我希望将Numpy数组放入某个范围,但与链接问题不同,我不想将其标准化。我怎样才能有效地做到这一点? Numpy中有内置方法吗?
通过一个例子来澄清,my_scale
是我正在寻找的函数,out_range
定义了输出范围:
res = my_scale(np.array([-3, -2, -1], dtype=np.float), out_range)
assert res == [-1, 0, 1]
assert res != [-1, -2/3, -1/3]
答案 0 :(得分:8)
在asking on CodeReview之后,我被告知有一个内置的np.interp
可以完成此任务:
np.interp(a, (a.min(), a.max()), (-1, +1))
为了后代,我在下面留下了我的旧答案。
我根据this answer中的D3.js
代码创建了自己的函数:
import numpy as np
def d3_scale(dat, out_range=(-1, 1)):
domain = [np.min(dat, axis=0), np.max(dat, axis=0)]
def interp(x):
return out_range[0] * (1.0 - x) + out_range[1] * x
def uninterp(x):
b = 0
if (domain[1] - domain[0]) != 0:
b = domain[1] - domain[0]
else:
b = 1.0 / domain[1]
return (x - domain[0]) / b
return interp(uninterp(dat))
print(d3_scale(np.array([-2, 0, 2], dtype=np.float)))
print(d3_scale(np.array([-3, -2, -1], dtype=np.float)))
答案 1 :(得分:0)
这样可以解决问题:
def rescale_linear(array, new_min, new_max):
"""Rescale an arrary linearly."""
minimum, maximum = np.min(array), np.max(array)
m = (new_max - new_min) / (maximum - minimum)
b = new_min - m * minimum
return m * array + b
请注意,存在(无限)许多其他非线性方式来重新调整数组以适应新范围,根据具体情况,这种选择很重要。