Question

给出3次3 numpy数组

a = numpy.arange(0,27,3).reshape(3,3)

# array([[ 0,  3,  6],
#        [ 9, 12, 15],
#        [18, 21, 24]])

规范化我想到的二维数组的行

row_sums = a.sum(axis=1) # array([ 9, 36, 63])
new_matrix = numpy.zeros((3,3))
for i, (row, row_sum) in enumerate(zip(a, row_sums)):
    new_matrix[i,:] = row / row_sum

必须有更好的方法，不是吗？

也许要澄清：通过归一化我的意思是，每行的总和必须是1。但我认为大多数人都会清楚这一点。

Answer 1

广播真的很有用：

row_sums = a.sum(axis=1)
new_matrix = a / row_sums[:, numpy.newaxis]

row_sums[:, numpy.newaxis]将row_sums从(3,)重塑为(3, 1)。当您执行a / b时，a和b相互广播。

您可以详细了解广播 here甚至更好here。

Answer 2

Scikit-learn具有规范化功能，可让您应用各种规范化。＆＃34;使其总和为1＆＃34;是L1规范，并采取这样做：

from sklearn.preprocessing import normalize
matrix = numpy.arange(0,27,3).reshape(3,3).astype(numpy.float64)

#array([[  0.,   3.,   6.],
#   [  9.,  12.,  15.],
#   [ 18.,  21.,  24.]])

normed_matrix = normalize(matrix, axis=1, norm='l1')

#[[ 0.          0.33333333  0.66666667]
#[ 0.25        0.33333333  0.41666667]
#[ 0.28571429  0.33333333  0.38095238]]

现在你的行总和为1。

Answer 3

我认为这应该有用，

a = numpy.arange(0,27.,3).reshape(3,3)

a /=  a.sum(axis=1)[:,numpy.newaxis]

Answer 4

如果你试图将每一行标准化，使其大小为1（即行的单位长度为1，或者行中每个元素的平方和为1）：

import numpy as np

a = np.arange(0,27,3).reshape(3,3)

result = a / np.linalg.norm(a, axis=-1)[:, np.newaxis]
# array([[ 0.        ,  0.4472136 ,  0.89442719],
#        [ 0.42426407,  0.56568542,  0.70710678],
#        [ 0.49153915,  0.57346234,  0.65538554]])

验证

np.sum( result**2, axis=-1 )
# array([ 1.,  1.,  1.])

Answer 5

似乎这也有效

carousel.cycle('pause');

Answer 6

您可以使用内置的numpy函数： np.linalg.norm(a, axis = 1, keepdims = True)

Answer 7

或使用lambda函数，如

goto

vec的每个向量都有一个单位范数。

Answer 8

你也可以使用矩阵换位：

(a.T / row_sums).T

Answer 9

我认为您可以通过以下方式将行元素之和标准化为1： select date_format(`date`,'%m-%d') as d, categoryid, max(value) as value from tablename group by date_format(`date`,'%m-%d'),categoryid。并且可以使用new_matrix = a / a.sum(axis=1, keepdims=1)完成列规范化。希望这可以帮助您。

Answer 10

这是使用reshape的另一种可能的方法：

a_norm = (a/a.sum(axis=1).reshape(-1,1)).round(3)
print(a_norm)

或者使用None也可以：

a_norm = (a/a.sum(axis=1)[:,None]).round(3)
print(a_norm)

输出：

array([[0.   , 0.333, 0.667],
       [0.25 , 0.333, 0.417],
       [0.286, 0.333, 0.381]])

Answer 11

normed_matrix = normalize(input_data, axis=1, norm='l1')
print(normed_matrix)

其中input_data是2D数组的名称

如何规范化python中的二维numpy数组更简洁？

11 个答案: