Question

我有一个名为X的数组，其中每个元素本身都是2d向量。该数组的对角线仅填充零向量。现在，我需要规范化此数组中的每个向量，而无需更改其结构。

首先，我尝试计算每个向量的范数并将其放入一个称为N的数组中。之后，我想将X的每个元素除以N的每个元素。我发生了两个问题：

1）N的许多条目为零，当我尝试将它们除时，这显然是个问题。

2）数组的形状不匹配，因此np.divide（）不能按预期工作。

除了我不认为之外，这样计算N是个好主意，因为稍后我希望能够对两个以上的向量进行相同的处理。

"A1"
"A2toB (B1 C1)"
"A2toB B2"
"A3"

我希望输出看起来像这样：

import numpy as np

# Example array
X = np.array([[[0, 0], [1, -1]], [[-1, 1], [0, 0]]])
# Array containing the norms
N = np.vstack((np.linalg.norm(X[0], axis=1), np.linalg.norm(X[1], 
axis=1)))
R = np.divide(X, N)

Answer 1

您不需要使用sklearn。只需定义一个函数，然后使用列表推导即可：

假设X的第0维等于您拥有的2D数组的数量，请使用以下方法：

import numpy as np

# Example array
X = np.array([[[0, 0], [1, -1]], [[-1, 1], [0, 0]]])

def stdmtx(X):
    X= X - X.mean(axis =1)[:, np.newaxis]
    X= X / X.std(axis= 1, ddof=1)[:, np.newaxis]
    return np.nan_to_num(X)

R = np.array([stdmtx(X[i,:,:]) for i in range(X.shape[0])])

所需的输出R：

array([[[ 0.        ,  0.        ],
        [ 0.70710678, -0.70710678]],

       [[-0.70710678,  0.70710678],
        [ 0.        ,  0.        ]]])

归一化数组中包含的向量

1 个答案: