Нормализовать столбцы массива numpy в python

у меня есть массив numpy, где каждая ячейка определенной строки представляет значение для объекта. Я храню их все в матрице 100*4.

A     B   C
1000  10  0.5
765   5   0.35
800   7   0.09

любая идея, как я могу нормализовать строки этого numpy.массив, где каждое значение между 0 и 1?

мой желаемый результат-это:

A     B    C
1     1    1
0.765 0.5  0.7
0.8   0.7  0.18(which is 0.09/0.5)

спасибо заранее :)

31
normalize numpy python

2 ответов

если я правильно понимаю, что вы хотите сделать, это разделить на максимальное значение в каждом столбце. Вы можете сделать это легко, используя вещания.

начиная с вашего примера массива:

import numpy as np

x = np.array([[1000,  10,   0.5],
              [ 765,   5,  0.35],
              [ 800,   7,  0.09]])

x_normed = x / x.max(axis=0)

print(x_normed)
# [[ 1.     1.     1.   ]
#  [ 0.765  0.5    0.7  ]
#  [ 0.8    0.7    0.18 ]]

x.max(0) принимает максимум над 0-м измерением (т. е. строками). Это дает вам вектор размера (ncols,), содержащей максимальное значение в каждом столбце. Затем вы можете разделить x этим вектором, чтобы нормализовать ваши значения так, чтобы максимальное значение в каждом столбце будет уменьшено до 1.

если x содержит отрицательные значения, которые вам нужно будет сначала вычесть минимум:

x_normed = (x - x.min(0)) / x.ptp(0)

здесь x.ptp(0) возвращает "от пика до пика" (т. е. диапазон, max - min) вдоль оси 0. Эта нормализация гарантирует, что минимальное значение в каждом столбце будет 0.

67

вы можете использовать sklearn.препроцессирование:

from sklearn.preprocessing import normalize
data = np.array([
    [1000, 10, 0.5],
    [765, 5, 0.35],
    [800, 7, 0.09], ])
data = normalize(data, axis=0, norm='max')
print(data)
>>[[ 1.     1.     1.   ]
[ 0.765  0.5    0.7  ]
[ 0.8    0.7    0.18 ]]
10