如何按列和按行标准化我的数组在 0 和 1 之间
Posted
技术标签:
【中文标题】如何按列和按行标准化我的数组在 0 和 1 之间【英文标题】:How to normalize my array between 0 and 1 by column and by line 【发布时间】:2020-11-13 13:35:44 【问题描述】:我有一个数组,需要对其进行标准化,使其结果为 0 到 1 之间的数字。我已经对整个数组进行了标准化,如下所示:
C = A / A.max(axis=0)
print(C)
____________________________________________________________________
[[0. 0.05263158 0.1 0.14285714 0.18181818 0.2173913 ]
[0.33333333 0.36842105 0.4 0.42857143 0.45454545 0.47826087]
[0.66666667 0.68421053 0.7 0.71428571 0.72727273 0.73913043]
[1. 1. 1. 1. 1. 1. ]]
但现在我必须按列和按行规范化。我怎样才能通过轴减少来做到这一点?如果对我所做的事情有更好的方法,请建议我进行更改。
我的预期结果是值标准化的两个数组。一个考虑列,另一个考虑行
这是我的数据
A = [[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
[12 13 14 15 16 17]
[18 19 20 21 22 23]]
【问题讨论】:
您的预期结果是什么?输入是什么 -A
?请提供minimal reproducible example。它们是什么类型的数组?
我已经更新了帖子,如果我不清楚再问我
【参考方案1】:
您跳过了最小的部分。通常 0-1 归一化要求从分母和分子中减去最小值。 https://stats.stackexchange.com/questions/70801/how-to-normalize-data-to-0-1-range
import numpy as np
A = np.matrix([[ 0, 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10, 11],
[12, 13, 14, 15, 16, 17],
[18, 19, 20, 21, 22, 23]])
(A-A.min(axis=1))/(A.max(axis=1)-A.min(axis=1))
(A-A.min(axis=0))/(A.max(axis=0)-A.min(axis=0))
【讨论】:
我该如何处理整个数据? 通常按列进行标准化,因为它们代表单独的特征/变量。 是的,但我需要它 我试过normalized = (x-min(x))/(max(x)-min(x))
,但它抛出了The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
(A-A.min())/(A.max()-A.min()) 示例【参考方案2】:
我的预期结果是两个具有标准化值的数组。一个考虑列,另一个考虑行
a = np.array([[ 0, 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10, 11],
[12, 13, 14, 15, 16, 17],
[18, 19, 20, 21, 22, 23]])
如果
c = a / a.max(axis=0)
然后给你你想要的列
d = a / a.max(axis=1)[:,None]
行就足够了。
>>> d.round(4)
array([[0. , 0.2 , 0.4 , 0.6 , 0.8 , 1. ],
[0.5455, 0.6364, 0.7273, 0.8182, 0.9091, 1. ],
[0.7059, 0.7647, 0.8235, 0.8824, 0.9412, 1. ],
[0.7826, 0.8261, 0.8696, 0.913 , 0.9565, 1. ]])
https://numpy.org/doc/stable/user/basics.broadcasting.html
【讨论】:
以上是关于如何按列和按行标准化我的数组在 0 和 1 之间的主要内容,如果未能解决你的问题,请参考以下文章