python - 如何在python numpy中标准化二维数组的一维？ [复制]

Posted 2023-03-12

【中文标题】python - 如何在python numpy中标准化二维数组的一维？ [复制]

【英文标题】：How to normalize one dimension of a 2-dimensional array in python numpy? [duplicate]

【发布时间】：2014-06-28 11:13:17

【问题描述】：

例如，对二维向量中的每一行进行归一化，使得一行的大小为 1：

import numpy as np

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

result = a / norm_of_rows( a )

这样：

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

原来的问题，How to normalize a 2-dimensional numpy array in python less verbose?，人们觉得我的问题是重复的，作者实际上是问如何使每一行的元素总和为一个。这不同于对每一行进行归一化，使其大小为 1（每个元素的平方和等于 1）。

【问题讨论】：

重复***.com/q/8904694/1461210

我问这个问题是因为

让标题和原始描述之间的区别更加清晰会很有帮助。无论如何，答案几乎是相同的。您已经拥有np.sum( result**2, axis=-1 )，这是您希望每行等于 1 的值。您只需要记住在除法之前取平方根（请记住，您是对result**2 的行求和，而不是result）。所以答案可能类似于：result_norm = result / np.sqrt(np.sum(result**2, axis=-1))[:, None]（注意使用[:, None] 对行进行广播）。

此外，在 numpy > 1.9 的版本中，np.linalg.norm 接受 axis= 参数。由于您本质上希望使每一行的欧几里得范数等于 1，因此对于最新版本，您只需执行 result_norm = result / np.linalg.norm(result, ord=2, axis=-1)[:, None]。

【参考方案1】：

np.max(a[0,:]) 会给你第一行的最大值， np.max(a[1,:]) 会给你第二行的最大值

要标准化整个矩阵，只需遍历行并将每个元素除以相应的max_row

【讨论】：

考虑np.max(a, axis=1) 和a / np.max(a, axis=1)[:,None]。对于大多数操作，您不应该使用 python 循环遍历 numpy 数组。