python - 规范化/翻译 ndarray - Numpy/Python

Question

是否有一种简单的方法来标准化 ndarray(每个值都在 0.0 和 1.0 之间)？

例如，我有一个像这样的矩阵:

a = [[1., 2., 3.],
     [4., 5., 6.],
     [7., 8., 9.]]

到目前为止，我得到的是最大值

max(max(p[1:]) for p in a)
a / p

此外，我认为 numpy 可能在一行中有一个方法，如果我的数据是这样的，这不起作用:

b = [[-1., -2., -3.],
     [-4., -5., -6.],
     [-7., -8., 0.]]

这给出了由零除法引起的错误。

我想做的是让最大值变成 1。所以，我想做一个翻译，使 9 变成 1(在正例中，只需将值除以最大值)和 0(当它是最大值)变为 1(例如，使用翻译方法)，我知道这很热门，但我猜 numpy 可能在其包中有解决这个问题的解决方案。

如何使用 numpy 很好地执行此操作？

提前谢谢你。

Answer 1

在一般情况下，您可以将 np.ptp¹(峰值到峰值)与 np.min 结合使用来执行此操作:

new_arr = (a - a.min())/np.ptp(a)

例子:

>>> a = np.array([[-1., 0, 1], [0, 2, 1]])
>>> np.ptp(a)
3.0
>>> a
array([[-1.,  0.,  1.],
       [ 0.,  2.,  1.]])
>>> (a - a.min())/np.ptp(a)
array([[ 0.        ,  0.33333333,  0.66666667],
       [ 0.33333333,  1.        ,  0.66666667]])

当然，如果 a 完全由零组成，这仍然会报错——但在这种情况下，问题并没有很好地解决。

^{1IIRC，np.ptp 调用 np.max 和 np.min。如果性能真的很关键，您可能会创建自己的 ptp 并将 np.min 保存到一个临时变量中，这样您就不会计算两次。}