Como normalizar um array na NumPy?

Eu gostaria de ter a norma de uma matriz NumPy. Mais especificamente, estou à procura de uma versão equivalente desta função

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

Há algo parecido em "esqueleto" ou "irregular"?

Esta função funciona em uma situação em que v é o vetor 0.

kmario23
Pergunta editada :em
Programação
normalization python statistics numpy scikit-learn
9º janeiro 2014 в 8:25
14 vistas
Solução

Se você'estiver usando scikit-learn você pode usar 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
Resposta editada :em
Comentários (4)

Eu concordaria que seria bom se tal função fizesse parte das pilhas incluídas. Mas é't, tanto quanto eu sei. Aqui está uma versão para eixos arbitrários, e dando um ótimo desempenho.

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
Resposta editada :em
Comentários (10)

Você pode especificar a ordem para obter a norma L1. Para evitar divisão zero eu uso eps, mas isso's talvez não seja ótimo.

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