如何将NumPy数组归一化到一定范围内？
如何将NumPy数组归一化到一定范围内？
提问于 2009-11-15 01:52:39
在对音频或图像数组进行一些处理后，需要在一定范围内进行归一化，然后才能将其写回文件。这可以像这样做：
# Normalize audio channels to between -1.0 and +1.0
audio[:,0] = audio[:,0]/abs(audio[:,0]).max()
audio[:,1] = audio[:,1]/abs(audio[:,1]).max()
# Normalize image to between 0 and 255
image = image/(image.max()/255.0)有没有一种不那么冗长，更方便的函数方法来做到这一点呢？matplotlib.colors.Normalize()似乎与此无关。
回答 6
Stack Overflow用户
发布于 2017-07-08 15:08:18
如果数组同时包含正数据和负数据，我会使用：
import numpy as np
a = np.random.rand(3,2)
# Normalised [0,1]
b = (a - np.min(a))/np.ptp(a)
# Normalised [0,255] as integer: don't forget the parenthesis before astype(int)
c = (255*(a - np.min(a))/np.ptp(a)).astype(int)
# Normalised [-1,1]
d = 2.*(a - np.min(a))/np.ptp(a)-1如果数组包含nan，一种解决方案可能是将它们删除，如下所示：
def nan_ptp(a):
return np.ptp(a[np.isfinite(a)])
b = (a - np.nanmin(a))/nan_ptp(a)但是，根据上下文的不同，您可能希望以不同的方式对待nan。例如，对该值进行插值，例如用0替换，或者引发错误。
最后，值得一提的是，即使这不是OP的问题，standardization
e = (a - np.mean(a)) / np.std(a)Stack Overflow用户
发布于 2014-01-18 04:53:11
也可以使用sklearn重新缩放。优点是，除了以数据为中心进行均值调整外，您还可以调整归一化标准差，并且可以在任一轴上、按要素或按记录执行此操作。
from sklearn.preprocessing import scale
X = scale( X, axis=0, with_mean=True, with_std=True, copy=True )关键字参数axis、with_mean和with_std是自解释的，并以其默认状态显示。如果参数copy设置为False，则它将就地执行操作。文档here。
Stack Overflow用户
发布于 2009-11-15 02:04:55
您可以使用"i“(如idiv，imul..)版本，而且看起来还不错：
image /= (image.max()/255.0)对于另一种情况，您可以编写一个函数来按列规范化n维数组：
def normalize_columns(arr):
rows, cols = arr.shape
for col in xrange(cols):
arr[:,col] /= abs(arr[:,col]).max()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/1735025
复制相关文章
相似问题