python - 标准化 : how to avoid zero standard deviation

Question

有以下任务:

Normalize the matrix by columns. From each value in column subtract average (in column) and divide it by standard deviation (in the column). Your output should not contain nan (caused by division by zero). Replace Nans with 1. Don't use if and while/for.

我正在使用 numpy，所以我编写了以下代码:

def normalize(matrix: np.array) -> np.array:
    res = (matrix - np.mean(matrix, axis = 0)) / np.std(matrix, axis = 0, dtype=np.float64)
    return res
matrix = np.array([[1, 4, 4200], [0, 10, 5000], [1, 2, 1000]])
assert np.allclose(
    normalize(matrix),
    np.array([[ 0.7071, -0.39223,  0.46291],
              [-1.4142,  1.37281,  0.92582],
              [ 0.7071, -0.98058, -1.38873]])
)

答案是正确的。

但是，我的问题是:如何避免被零除？如果我有一列相似的数字，我将得到标准差 = 0 和结果中的 Nan 值。我该如何解决？将不胜感激!

Answer 1

您的任务指定避免输出中的 nan 并将出现的 nan 替换为 1。它没有指定中间结果可能不包含 nan。 一个有效的解决方案是在返回之前在 res 上使用 numpy.nan_to_num:

import numpy as np
def normalize(matrix: np.array) -> np.array:
    res = (matrix - np.mean(matrix, axis = 0)) / np.std(matrix, axis = 0, dtype=np.float64)
    return np.nan_to_num(res, False, 1.0)
matrix = np.array([[2, 4, 4200], [2, 10, 5000], [2, 2, 1000]])
print(normalize(matrix))

产量:

[[ 1.         -0.39223227  0.46291005]
 [ 1.          1.37281295  0.9258201 ]
 [ 1.         -0.98058068 -1.38873015]]