歸一numpy的陣列

給定一個數組，我想它正常化使得每行總和爲1歸一numpy的陣列

目前，我有以下代碼：

import numpy 
w = numpy.array([[0, 1, 0, 1, 0, 0], 
       [1, 0, 0, 0, 0, 1], 
       [0, 0, 0, 0, 0, 1], 
       [1, 0, 0, 0, 1, 0], 
       [0, 0, 0, 1, 0, 1], 
       [0, 1, 1, 0, 1, 0]], dtype = float) 


def rownormalize(array): 
    i = 0 
    for row in array: 
     array[i,:] = array[i,:]/sum(row) 
     i += 1

我有兩個問題：

1）代碼有效，但我想知道是否有更優雅的方式。

2）如何將數據類型轉換爲浮點數，如果它是int？我試過

if array.dtype == int: 
    array.dtype = float

但它不起作用。

來源

2016-11-13 wwl

你可以做1）這樣的：

array /= array.sum(axis=1, keepdims=True)

和2）這樣的：

array = array.astype(float)

來源

2016-11-13 21:05:21 Julien

如果我添加「如果array.dtype == int：array.astype（float）」到我的函數的開始，它給了我一個零矩陣（除了一個元素是1） – wwl

您需要重新分配，請參閱編輯。 – Julien

如果我添加'return array'並將我的代碼更改爲'w = rownormalize（w）'而不是'rownormalize（w）'，那麼該方法可行。有沒有辦法可以做到這一點，而無需做出上述改變？如果你不確定，那麼它很好 – wwl

部門即使broadcasted所有元素可能是昂貴的。重點對性能的替代，將預先計算行求和的倒數，並使用這些執行broadcasted乘法代替，像這樣 -

w *= 1.0/w.sum(1,keepdims=1)

運行測試 -

In [588]: w = np.random.rand(3000,3000) 

In [589]: out1 = w/w.sum(axis=1, keepdims=True) #@Julien Bernu's soln 

In [590]: out2 = w*(1.0/w.sum(1,keepdims=1)) 

In [591]: np.allclose(out1,out2) 
Out[591]: True 

In [592]: %timeit w/w.sum(axis=1, keepdims=True) #@Julien Bernu's soln 
10 loops, best of 3: 66.7 ms per loop 

In [593]: %timeit w*(1.0/w.sum(1,keepdims=1)) 
10 loops, best of 3: 40 ms per loop

來源

2016-11-13 21:19:16 Divakar

差異不是很大，但因爲它很容易完成，所以我會盡量記住這個技巧！ – Julien

@JulienBernu對！特別是用'broadcast'，這個派上用場！ – Divakar

歸一numpy的陣列

回答

相關問題