按平均值对 Numpy 矩阵行进行归一化答案

【问题标题】：Normalize Numpy matrix rows by their average按平均值对 Numpy 矩阵行进行归一化
【发布时间】：2015-10-20 02:57:32
【问题描述】：

我想用它们的平均值对矩阵行进行归一化，我为此编写了这段代码

m = np.matrix(
    [[1,2,3,4,5],
     [2,3,2,5,3],
     [5,5,5,3,2]])

for row in m[:,]:
    average = row.sum() / row.shape[1]
    row = row / average

在循环中，我将行除以平均值。但是这种划分不会改变矩阵 m。我怎样才能以最简单、最聪明的方式实现这种规范化？

【问题讨论】：

标签： python numpy matrix

【解决方案1】：

计算逐行平均值，然后计算m/average：

In [36]: average = m.mean(axis=1)

In [37]: average
Out[37]: 
matrix([[ 3.],
        [ 3.],
        [ 4.]])

In [38]: m/average
Out[38]: 
matrix([[ 0.33333333,  0.66666667,  1.        ,  1.33333333,  1.66666667],
        [ 0.66666667,  1.        ,  0.66666667,  1.66666667,  1.        ],
        [ 1.25      ,  1.25      ,  1.25      ,  0.75      ,  0.5       ]])

请注意，如果您的矩阵包含 NaN 值，那么您可以使用 np.nanmean(m, axis=1) 而不是 m.mean(axis=1) 来计算逐行均值，同时忽略 NaN。

【讨论】：

和m /= m.mean(axis=1) 来修改m，但考虑到m 的dtype 是int，它们最终会是整数而不是浮点数。

【解决方案2】：

对于m 中的in-situ 更改，您可以转换为float 数据类型（如果还没有），然后使用np.divide，就像这样-

m = m.astype(float)
np.divide(m,m.mean(1),m)

示例运行 -

In [294]: m
Out[294]: 
matrix([[1, 2, 3, 4, 5],
        [2, 3, 2, 5, 3],
        [5, 5, 5, 3, 2]])

In [295]: m = m.astype(float)

In [296]: np.divide(m,m.mean(1),m);

In [297]: m
Out[297]: 
matrix([[ 0.33333333,  0.66666667,  1.        ,  1.33333333,  1.66666667],
        [ 0.66666667,  1.        ,  0.66666667,  1.66666667,  1.        ],
        [ 1.25      ,  1.25      ,  1.25      ,  0.75      ,  0.5       ]])

【讨论】：