归一化/转换ndarray - Numpy/Python

Question

有没有简单的方法可以把一个ndarray（多维数组）里的所有值归一化到0.0到1.0之间呢？

比如，我有一个这样的矩阵：

a = [[1., 2., 3.],
     [4., 5., 6.],
     [7., 8., 9.]]

到目前为止，我是通过以下方式找到最大值的：

max(max(p[1:]) for p in a)
a / p

另外，我觉得numpy可能有一种方法可以一行代码搞定，但如果我的数据是这样的：

b = [[-1., -2., -3.],
     [-4., -5., -6.],
     [-7., -8., 0.]]

就会出现因为除以零而导致的错误。

我想做的是把最大值变成1。所以，我想把9变成1（在正数情况下，只需把所有值除以最大值），而0（当它是最大值时）变成1（用某种转换方法，比如），我知道怎么做，但我想numpy可能在它的包里有解决这个问题的方法。

我该如何用numpy优雅地实现这个呢？

提前谢谢你。

Answer 1

你可以使用 np.ptp¹（峰值到谷值）结合 np.min 来处理一般情况：

new_arr = (a - a.min())/np.ptp(a)

举个例子：

>>> a = np.array([[-1., 0, 1], [0, 2, 1]])
>>> np.ptp(a)
3.0
>>> a
array([[-1.,  0.,  1.],
       [ 0.,  2.,  1.]])
>>> (a - a.min())/np.ptp(a)
array([[ 0.        ,  0.33333333,  0.66666667],
       [ 0.33333333,  1.        ,  0.66666667]])

当然，如果 a 全部是零，这样做还是会出错——不过在这种情况下，问题本身就不太合理。

^{1如果我没记错的话，np.ptp 会调用 np.max 和 np.min。如果性能非常重要，你可能想自己写一个 ptp，并把 np.min 的结果存到一个临时变量里，这样就不会重复计算了。}