파이썬에서 2 차원 numpy 배열을 덜 장황하게 정규화하는 방법은 무엇입니까?

파이썬에서 2 차원 numpy 배열을 덜 장황하게 정규화하는 방법은 무엇입니까?

---

3 x 3 numpy 배열이 주어지면

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

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

2 차원 배열의 행을 정규화하기 위해 생각했습니다.

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

더 나은 방법이 있겠죠?

아마도 정리할 수 있습니다. 정규화하면 행당 항목의 합계가 1이어야합니다. 그러나 나는 그것이 대부분의 사람들에게 분명 할 것이라고 생각합니다.

---

방송은 이것에 정말 좋습니다.

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

row_sums[:, numpy.newaxis]row_sums를 존재에서 존재 (3,)로 재구성합니다 (3, 1). 당신이 할 때 a / b, a그리고 b서로에 대해 방송됩니다.

당신은에 대해 자세히 배울 수있는 방송 여기 또는 더 나은 여기를 .

---

Scikit-learn에는 다양한 정규화를 적용 할 수있는 정규화 기능이 있습니다. "합계를 1로 만들기"는 L1 표준이며이를 수행하려면 다음과 같이하십시오.

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]]

이제 행의 합계가 1이됩니다.

---

나는 이것이 효과가 있다고 생각한다.

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

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

---

크기가 1이되도록 각 행을 정규화하려는 경우 (즉, 행의 단위 길이가 1이거나 행에있는 각 요소의 제곱의 합이 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]])

확인 중 :

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

---

이것도 작동하는 것 같습니다

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

---

또는 람다 함수를 사용하여

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

vec의 각 벡터는 단위 표준을 갖습니다.

---

행렬 전치를 사용할 수도 있습니다.

(a.T / row_sums).T

---

다음과 같이 행 요소 합계를 1로 정규화 할 수 있다고 생각합니다 new_matrix = a / a.sum(axis=1, keepdims=1). 그리고 열 정규화는 new_matrix = a / a.sum(axis=0, keepdims=1). 이것이 hep 수 있기를 바랍니다.

참고 URL : https://stackoverflow.com/questions/8904694/how-to-normalize-a-2-dimensional-numpy-array-in-python-less-verbose