Как нормализовать 2-мерный массив numpy в python менее подробно?

Question

Как нормализовать 2-мерный массив numpy в python менее подробно?

учитывая 3 раза 3 numpy массив

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



# array([[ 0,  3,  6],

#        [ 9, 12, 15],

#        [18, 21, 24]])

чтобы нормализовать строки 2-мерного массива, о котором я думал

row_sums = a.sum(axis=1) # array([ 9, 36, 63])

new_matrix = numpy.zeros((3,3))

for i, (row, row_sum) in enumerate(zip(a, row_sums)):

    new_matrix[i,:] = row / row_sum

там должен быть лучший способ, не так ли?

возможно, чтобы прояснить: под нормализацией я имею в виду, что сумма записей в строке должна быть одна. Но я думаю, что это будет понятно большинству людей.

1057 7

python numpy arrays syntax normalization

7 ответов:

Comments

Ничего не найдено.

Bi Rico · Accepted Answer · 2012-01-18 06:27:17

вещание действительно хорошо для этого:
row_sums = a.sum(axis=1)
new_matrix = a / row_sums[:, numpy.newaxis]
row_sums[:, numpy.newaxis] изменяет row_sums из being (3,) к (3, 1). Когда вы делаете a / b,a и b передаются друг против друга.

вы можете узнать больше о вещанияздесь или еще лучше здесь.

rogueleaderr · Accepted Answer · 2014-03-21 00:54:35

Scikit-learn имеет функцию нормализации, которая позволяет применять различные нормализации. "Make it sum to 1" - это норма L1, и чтобы это сделать:
from sklearn.preprocessing import normalize
matrix = numpy.arange(0,27,3).reshape(3,3).astype(numpy.float64)

#array([[  0.,   3.,   6.],
#   [  9.,  12.,  15.],
#   [ 18.,  21.,  24.]])

normed_matrix = normalize(matrix, axis=1, norm='l1')

#[[ 0.          0.33333333  0.66666667]
#[ 0.25        0.33333333  0.41666667]
#[ 0.28571429  0.33333333  0.38095238]]
теперь ваши строки будут подведены к 1.

tom10 · Accepted Answer · 2012-01-18 05:22:12

Я думаю, что это должно работать,
a = numpy.arange(0,27.,3).reshape(3,3)

a /=  a.sum(axis=1)[:,numpy.newaxis]

walt · Accepted Answer · 2014-05-10 23:33:37

в случае, если вы пытаетесь нормализовать каждую строку таким образом, что ее величина равна единице (т. е. длина единицы строки равна единице или сумма квадратов каждого элемента в строке равна единице):
import numpy as np

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

result = a / np.linalg.norm(a, axis=-1)[:, np.newaxis]
# array([[ 0.        ,  0.4472136 ,  0.89442719],
#        [ 0.42426407,  0.56568542,  0.70710678],
#        [ 0.49153915,  0.57346234,  0.65538554]])
проверка:
np.sum( result**2, axis=-1 )
# array([ 1.,  1.,  1.]) 

Jamesszm · Accepted Answer · 2015-11-08 17:13:37

похоже, что это также работает
def normalizeRows(M):
    row_sums = M.sum(axis=1)
    return M / row_sums

XY.W · Accepted Answer · 2017-01-12 11:31:39

или с помощью лямбда-функции, как
>>> vec = np.arange(0,27,3).reshape(3,3)
>>> import numpy as np
>>> norm_vec = map(lambda row: row/np.linalg.norm(row), vec)
каждый вектор vec будет иметь единичную норму.

Maciek · Accepted Answer · 2017-02-21 13:20:31

вы также можете использовать транспозицию матрицы:
(a.T / row_sums).T