numpy行除以行和

Question

如何将numpy数组行除以该行中所有值的和？

这是一个例子。但我很确定有一种更为奇特和高效的方法：

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]])

Answer 1

方法1：使用None（或np.newaxis）添加额外维度，以便广播行为：

>>> 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]])

方法二：快乐转置：

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

（如果需要的话，可以删除axis=部分以获得简洁性。）

方法3：（从Jaime的评论中提升）

使用sum上的keepdims参数保留维度：

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

Answer 2

你可以用数学的方法来做。

这里，E是原始矩阵，D是对角矩阵，其中每个条目是E中相应行的和。如果你很幸运有一个可逆的D，这是一个非常方便的数学方法。

在纽比：

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)