numpy逐行总和答案

【问题标题】：numpy divide row by row sumnumpy逐行总和
【发布时间】：2013-04-18 14:46:23
【问题描述】：

如何将一个 numpy 数组行除以该行中所有值的总和？

这是一个例子。但我很确定有一种花哨且更有效的方法：

import numpy as np
e = np.array([[0., 1.],[2., 4.],[1., 5.]])
for row in xrange(e.shape[0]):
    e[row] /= np.sum(e[row])

结果：

array([[ 0.        ,  1.        ],
       [ 0.33333333,  0.66666667],
       [ 0.16666667,  0.83333333]])

【问题讨论】：

标签： python multidimensional-array numpy

【解决方案1】：

方法#1：使用None（或np.newaxis）添加一个额外的维度，以便广播将起作用：

>>> e
array([[ 0.,  1.],
       [ 2.,  4.],
       [ 1.,  5.]])
>>> e/e.sum(axis=1)[:,None]
array([[ 0.        ,  1.        ],
       [ 0.33333333,  0.66666667],
       [ 0.16666667,  0.83333333]])

方法#2：转置-happy：

>>> (e.T/e.sum(axis=1)).T
array([[ 0.        ,  1.        ],
       [ 0.33333333,  0.66666667],
       [ 0.16666667,  0.83333333]])

（如果您愿意，可以删除axis= 部分以简洁明了。）

方法#3：（从 Jaime 的评论中提升）

使用sum 上的keepdims 参数来保留维度：

>>> e/e.sum(axis=1, keepdims=True)
array([[ 0.        ,  1.        ],
       [ 0.33333333,  0.66666667],
       [ 0.16666667,  0.83333333]])

【讨论】：

我不明白您如何删除axis=1。如果没有 axis 参数，sum() 返回数组中所有值的总和。
在 numpy 1.7 中有一个 keepdims 参数可以让您执行 e/e.sum(axis=1, keepdims=True)
@WarrenWeckesser：我不是说你可以放弃1 部分，我说你可以放弃axis= 部分。
啊，我误会你的意思了。
你能明确解释一下[:,None] 符号吗？我看到了它所做的改变，但没有得到编码约定。

【解决方案2】：

您可以在数学上使用。

这里，E 是您的原始矩阵，D 是一个对角矩阵，其中每个条目是 E 中相应行的总和。如果你有幸拥有一个可逆的D，这是一种在数学上非常方便的处理方式。

在 numpy 中：

import numpy as np

diagonal_entries = [sum(e[row]) for row in range(e.shape[0])]
D = np.diag(diagonal_entries)
D_inv = np.linalg.inv(D)
e = np.dot(e, D_inv)

【讨论】：

虽然这个答案可能是正确的，但使用 for 循环并不是解决问题的方法。它没有完全矢量化。投反对票。

【解决方案3】：

你也可以使用numpy的reshape方法如下：

e = np.array([[0., 1.],[2., 4.],[1., 5.]])
e/=np.sum(e, axis=1).reshape(-1,1)
e

array([[0.        , 1.    ],
       [0.33333333, 0.66666667],
       [0.16666667, 0.83333333]])

【讨论】：