正常化numpy ndarray数据

我的数据是numpy ndarray与形状（2,3,4）以下：我已尝试通过sklearn标准化规范每个列的0-1比例。正常化numpy ndarray数据

from sklearn.preprocessing import normalize 

x = np.array([[[1, 2, 3, 4], 
     [2, 2, 3, 4], 
     [3, 2, 3, 4]], 
     [[4, 2, 3, 4], 
     [5, 2, 3, 4], 
     [6, 2, 3, 4]]]) 

x.shape ==> (2,3,4) 

x = normalize(x, norm='max', axis=0,)

不过，我赶上了错误：

ValueError: Found array with dim 3. the normalize function expected <= 2.

我该如何解决这个问题？

谢谢。

来源

2017-06-02 Chris Joo

看来scikit-learn预计至多有两个昏暗的ndarrays。因此，要解决这将是重塑到2D，将其提供给normalize这给了我们一个2D阵列，它可以重塑回了原形 -

from sklearn.preprocessing import normalize 

normalize(x.reshape(x.shape[0],-1), norm='max', axis=0).reshape(x.shape)

另外，它与NumPy的更加简单，与正常工作generic ndarrays -

x/np.linalg.norm(x, ord=np.inf, axis=0, keepdims=True)

来源

2017-06-02 09:05:54 Divakar

非常感谢！但是，上面的代码不适用于逐列，而是适用于整个数据。应该应用哪个选项？ –

@ChrisJoo不知道你是什么意思的列到列。也许你的意思是沿轴= 1而不是轴= 0使用它？ – Divakar

例如。第1列[[1,2,3]，[4,5,6]]应为[[0.1667,0.33333,0.5000]， [0.6667,0.8333,1.0000]]和第2列（2,2,2,2 ，2，2）应该是[1,1,1,1,1,1]。 –

正常化numpy ndarray数据

回答

相关问题