如何在NumPy中对数组进行标准化？

我想得到一个NumPy数组的规范。更具体地说，我在寻找这个函数的一个等价版本

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

在 "skearn "或 "numpy "中是否有这样的功能？

这个函数在`v'是0矢量的情况下工作。

kmario23
已编辑的问题 27日 四月 2019 в 11:03
编程
normalization python statistics numpy scikit-learn
9日 一月 2014 в 8:25
22 种观点
解决办法

如果你使用scikit-learn，你可以使用[sklearn.preprocessing.normalize]（http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.normalize.html#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
编辑本段答案9日 一月 2014 в 9:27
评论(4)

我同意，如果这样的功能是附带电池的一部分，那就更好了。但据我所知，它并没有。这里有一个用于任意轴的版本，并给出了最佳性能。

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
编辑本段答案17日 十月 2017 в 8:05
评论(10)

你可以指定ord来获得L1规范。 为了避免零除法，我使用eps，但这也许不是很好。

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