如何在NumPy中规范化数组？
我想有一个NumPy数组的规范。 更具体地说，我正在寻找这个function的等效版本
def normalize(v): norm = np.linalg.norm(v) if norm == 0: return v return v / norm 有没有像skearn或numpy那样的东西？
这个函数在v是0向量的情况下工作。
如果你使用scikit-learn，你可以使用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
我会同意，如果这样的function是包含电池的一部分，这是很好的。 但据我所知，这不是。 这是任意轴的版本，并提供最佳性能。
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)))
你可以指定ord来获得L1规范。 为了避免零分我使用eps，但这可能不是很好。
def normalize(v): norm=np.linalg.norm(v, ord=1) if norm==0: norm=np.finfo(v.dtype).eps return v/norm
