如何在NumPy中规范化数组？

Question

我想要一个NumPy数组的范数。更具体地说，我正在寻找此函数的等效版本

def normalize(v):
    norm = np.linalg.norm(v)
    if norm == 0: 
       return v
    return v / norm

在skearn或numpy中有类似的东西吗？

此函数在v是0向量的情况下工作。

Answer 1

如果您使用scikit learn，则可以使用^{}：

import numpy as np
from sklearn.preprocessing import normalize

x = np.random.rand(1000)*10
norm1 = x / np.linalg.norm(x)
norm2 = normalize(x[:,np.newaxis], axis=0).ravel()
print np.all(norm1 == norm2)
# True

Answer 2

我同意，如果这样的功能是包括电池的一部分，那就太好了。但据我所知并不是。这是一个版本的任意轴，并提供最佳性能。

import numpy as np

def normalized(a, axis=-1, order=2):
    l2 = np.atleast_1d(np.linalg.norm(a, order, axis))
    l2[l2==0] = 1
    return a / np.expand_dims(l2, axis)

A = np.random.randn(3,3,3)
print(normalized(A,0))
print(normalized(A,1))
print(normalized(A,2))

print(normalized(np.arange(3)[:,None]))
print(normalized(np.arange(3)))

Answer 3

您可以指定ord以获得L1范数。 为了避免零除法，我使用eps，但这可能不太好。

def normalize(v):
    norm=np.linalg.norm(v, ord=1)
    if norm==0:
        norm=np.finfo(v.dtype).eps
    return v/norm