归一numpy的阵列

给定一个数组，我想它正常化使得每行总和为1归一numpy的阵列

目前，我有以下代码：

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

我有两个问题：

1）代码有效，但我想知道是否有更优雅的方式。

2）如何将数据类型转换为浮点数，如果它是int？我试过

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

但它不起作用。

来源

2016-11-13 wwl

你可以做1）这样的：

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

和2）这样的：

array = array.astype(float)

来源

2016-11-13 21:05:21 Julien

如果我添加“如果array.dtype == int：array.astype（float）”到我的函数的开始，它给了我一个零矩阵（除了一个元素是1） – wwl

您需要重新分配，请参阅编辑。 – Julien

如果我添加'return array'并将我的代码更改为'w = rownormalize（w）'而不是'rownormalize（w）'，那么该方法可行。有没有办法可以做到这一点，而无需做出上述改变？如果你不确定，那么它很好 – wwl

部门即使broadcasted所有元素可能是昂贵的。重点对性能的替代，将预先计算行求和的倒数，并使用这些执行broadcasted乘法代替，像这样 -

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

运行测试 -

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

来源

2016-11-13 21:19:16 Divakar

差异不是很大，但因为它很容易完成，所以我会尽量记住这个技巧！ – Julien

@JulienBernu对！特别是用'broadcast'，这个派上用场！ – Divakar

归一numpy的阵列

回答

相关问题