我想得到一个NumPy数组的规范。更具体地说,我在寻找这个函数的一个等价版本
def normalize(v):
norm = np.linalg.norm(v)
if norm == 0:
return v
return v / norm
在 "skearn "或 "numpy "中是否有这样的功能?
这个函数在`v'是0矢量的情况下工作。
如果你使用scikit-learn,你可以使用[sklearn.preprocessing.normalize
](http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.normalize.html#sklearn.preprocessing.normalize)。
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
我同意,如果这样的功能是附带电池的一部分,那就更好了。但据我所知,它并没有。这里有一个用于任意轴的版本,并给出了最佳性能。
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)))