Comment normaliser un tableau en NumPy ?

Je voudrais avoir la norme d'un tableau NumPy. Plus précisément, je cherche une version équivalente de cette fonction

def normalize(v):
    norm = np.linalg.norm(v)
    if norm == 0: 
       return v
    return v / norm

Y a-t-il quelque chose comme ça dans skearn ou numpy ?

Cette fonction fonctionne dans une situation où v est le vecteur 0.

kmario23
Question modifiée 27 avril 2019 в 11:03
Programmation
normalization python statistics numpy scikit-learn
9 janvier 2014 в 8:25
13 vues
Solution

Si vous utilisez scikit-learn, vous pouvez utiliser sklearn.preprocessing.normalize :

import numpy as np
from sklearn.preprocessing import normalize

x = np.random.rand(1000)*10
norm1 = x / np.linalg.norm(x)
norm2 = normalize(x[:,np.newaxis], axis=0).ravel()
print np.all(norm1 == norm2)
# True
ali_m
Réponse modifiée 9 janvier 2014 в 9:27
Commentaires (4)

Je suis d'accord pour dire que ce serait bien si une telle fonction faisait partie des piles fournies. Mais ce n&#8217est pas le cas, pour autant que je sache. Voici une version pour des axes arbitraires, et donnant des performances optimales.

import numpy as np

def normalized(a, axis=-1, order=2):
    l2 = np.atleast_1d(np.linalg.norm(a, order, axis))
    l2[l2==0] = 1
    return a / np.expand_dims(l2, axis)

A = np.random.randn(3,3,3)
print(normalized(A,0))
print(normalized(A,1))
print(normalized(A,2))

print(normalized(np.arange(3)[:,None]))
print(normalized(np.arange(3)))
Guillaume Jacquenot
Réponse modifiée 17 octobre 2017 в 8:05
Commentaires (10)

Vous pouvez spécifier ord pour obtenir la norme L1. Pour éviter la division par zéro, j'utilise eps, mais ce n'est peut-être pas génial.

def normalize(v):
    norm=np.linalg.norm(v, ord=1)
    if norm==0:
        norm=np.finfo(v.dtype).eps
    return v/norm
Commentaires (1)