python-如何在python中更详细地规范二维numpy数组？

给定一个3乘3 numpy数组

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

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

为了规范二维数组的行，我想到了

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

必须有更好的方法，不是吗？

可能需要澄清：通过标准化我的意思是，每行条目的总和必须为1。但是我认为这对于大多数人来说都是显而易见的。

广播确实对此有好处：

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

row_sums[:, numpy.newaxis]重塑row_sums从存在(3,)到存在(3, 1)。当你这样做a / b，a并b会相互播出。

您可以在此处了解更多有关广播的 信息，甚至可以在此处了解更多。

Scikit-learn具有规范化功能，可让您应用各种规范化。“求和等于1”是L1范数，并且要这样做：

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]]

现在，您的行总计为1。

我认为这应该有效，

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

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

如果要对每一行进行规范化，使其大小为1（即，一行的单位长度为1或一行中每个元素的平方和为1）：

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]])

验证中：

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

我想你可以通过这个标准化行元素之和为1： new_matrix = a / a.sum(axis=1, keepdims=1)。并且可以使用进行列归一化new_matrix = a / a.sum(axis=0, keepdims=1)。希望这可以帮助您。

您可以使用内置的numpy函数： np.linalg.norm(a, axis = 1, keepdims = True)

看来这也有效

def normalizeRows(M):
    row_sums = M.sum(axis=1)
    return M / row_sums

您还可以使用矩阵转置：

(a.T / row_sums).T

或使用lambda函数，例如

>>> vec = np.arange(0,27,3).reshape(3,3)
>>> import numpy as np
>>> norm_vec = map(lambda row: row/np.linalg.norm(row), vec)

vec的每个向量都有一个单位范数。

normed_matrix = normalize(input_data, axis=1, norm='l1')
print(normed_matrix)

其中input_data是2D数组的名称