基于部分行的最小-最大归一化
基于部分行的最小-最大归一化
提问于 2022-04-21 22:46:52
我有一个numpy数组，我希望根据行的固定窗口大小的最大值和最小值来规范数组，然后使用x_normal = (x-min)/(max-min)。
例如，在下面的数组中，我选择每行中每个4列的最大值和最小值。对于第一行，4列(3，5，3，3) min和max为3，5，然后是(3-3/5-3,5-3/5-3, 3-3/5-3, 3-3/5-3)，然后对于(9,2,2,5)，min和max为2，9，然后是(9-2/9-2, 2-2/9-2,2-2/9-2, 5-2/9-2)等等。
import numpy as np
x = np.array([
[3, 5, 3, 3, 9, 2, 2, 5, 1, 0, 7, 2],
[4, 4, 8, 4, 3, 1, 4, 8, 7, 6, 1, 4]
])
output:
x = np.array([
[0, 1, 0, 0, 1, 0, 0, 3/7, 1/6, 0, 1, 2/6],
[0, 0, 1, 0, 2/7, 0, 3/7, 1, 1, 5/6, 0, 3/6]
])回答 1
Stack Overflow用户
回答已采纳
发布于 2022-04-21 23:11:15
import numpy as np
import numpy.typing as npt
def normalize(array: npt.NDArray) -> npt.NDArray:
minimum = np.expand_dims(np.min(array, axis=1), axis=1)
maximum = np.expand_dims(np.max(array, axis=1), axis=1)
return (array - minimum) / (maximum - minimum)
x = np.array([
[3, 5, 3, 3, 9, 2, 2, 5, 1, 0, 7, 2],
[4, 4, 8, 4, 3, 1, 4, 8, 7, 6, 1, 4]
]).astype(float)
windows_size = 4
for i in range(0, x.shape[1], windows_size):
x[:, i: i + windows_size] = normalize(x[:, i: i + windows_size])这一办法：
- 选择滑动窗口大小
- 采用具有指定窗口大小的子数组
- 计算每列
- 执行减除和除法每列
<代码>F 210
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/71961646
复制相关文章
相似问题
腾讯云开发者
