在numpy数组规范化中处理零
在numpy数组规范化中处理零
提问于 2013-07-21 13:21:42
我有一个二维向量的numpy数组，我试图将其规范化，如下所示。该数组可以具有幅度为零的向量。
x = np.array([[0.0, 0.0], [1.0, 0.0]])
norms = np.array([np.linalg.norm(a) for a in x])
>>> x/norms
array([[ nan, 0.],
[ inf, 0.]])
>>> nonzero = norms > 0.0
>>> nonzero
array([False, True], dtype=bool)我是否可以使用nonzero将除法仅应用于x[i]，从而使nonzero[i]为True？(我可以为此编写一个循环-只是想知道是否有一种笨拙的方法来做这件事)
或者，有没有更好的方法来标准化向量数组，跳过过程中的所有零向量？
回答 3
Stack Overflow用户
回答已采纳
发布于 2013-07-21 13:53:45
如果您可以就地进行规范化，则可以使用布尔索引数组，如下所示：
nonzero = norms > 0
x[nonzero] /= norms[nonzero]Stack Overflow用户
发布于 2013-07-21 13:51:58
这里有一种可能的方法来做这件事
norms = np.sqrt((x**2).sum(axis=1,keepdims=True))
x[:] = np.where(norms!=0,x/norms,0.)这将使用np.where来完成所需的替换。
注意:在这种情况下，x是就地修改的。
Stack Overflow用户
发布于 2013-07-21 13:51:06
最简单的方法可能是先进行计算，然后将结果修改为您想要的结果：
y = x/norms
y[np.isnan(y) | np.isinf(y)]=0
#y = array([[ 0., 0.],
# [ 0., 0.]])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/17769341
复制相关文章
相似问题
腾讯云开发者
