python - 在两个值之间缩放/变换/标准化 NumPy 数组

Question

我有以下情况:

value_range = [250.0, 350.0]
precision = 0.01
unique_values = len(np.arange(min(values_range), 
                              max(values_range) + precision, 
                              precision))

这意味着所有值的范围都在 250.0 到 350.0 之间，精度为 0.01，从而使数据集可能具有总共 10001 个唯一值。

# This is the data I'd like to scale
values_to_scale = np.arange(min(value_range), 
                            max(value_range) + precision, 
                            precision) 

# These are the bins I want to assign to
unique_bins = np.arange(1, unique_values + 1)

您可以在上面的示例中看到，values_to_scale 中的每个值都将精确映射到 unique_bins 数组中的相应项目。 IE。值 250.0 (values_to_scale[0]) 将等于 1.0 (unique_bins[0]) 等。

但是，如果我的 values_to_scale 数组如下所示:

values_to_scale = np.array((250.66, 342.02)) 

如何进行缩放/转换以获得唯一的 bin 值？ IE。 250.66 应该等于值 66，但我如何获得这个值？

注意 value_range 同样可以在 -1 和 1 之间，我只是在寻找一种在两个值之间缩放/标准化数据的通用方法。

Answer 1

您基本上是在寻找 min 和 max 之间的线性插值:

minv = min(value_range)
maxv = max(value_range)
unique_values = int(((maxv - minv) / precision) + 1)
((values_to_scale - minv) / (maxv + precision - minv) * unique_values).astype(int)
# array([  65, 9202])