对python3 一组数值的归一化处理方法详解

1、什么是归一化：

归一化就是把一组数（大于1）化为以1为最大值，0为最小值，其余数据按百分比计算的方法。如：1，2，3.，那归一化后就是：0，0.5，1

2、归一化步骤：

如：2，4，6

（1）找出一组数里的最小值和最大值，然后就算最大值和最小值的差值

min = 2； max = 6； r = max - min = 4

（2）数组中每个数都减去最小值

2，4，6 变成 0，2，4

（3）再除去差值r

0，2，4 变成 0，0.5，1

就得出归一化后的数组了

3、用python 把一个矩阵中每列的数字归一化

import numpy as np
 
def autoNorm(data):   #传入一个矩阵
 mins = data.min(0)  #返回data矩阵中每一列中最小的元素，返回一个列表
 maxs = data.max(0)  #返回data矩阵中每一列中最大的元素，返回一个列表
 ranges = maxs - mins #最大值列表 - 最小值列表 = 差值列表
 normData = np.zeros(np.shape(data))  #生成一个与 data矩阵同规格的normData全0矩阵，用于装归一化后的数据
 row = data.shape[0]      #返回 data矩阵的行数
 normData = data - np.tile(mins,(row,1)) #data矩阵每一列数据都减去每一列的最小值
 normData = normData / np.tile(ranges,(row,1)) #data矩阵每一列数据都除去每一列的差值（差值 = 某列的最大值- 某列最小值）
 return normData
 
arr = np.array([[8,7,8],[4,3,1],[6,9,8]])
print(autoNorm(arr))
 
打印结果：
[[ 1.   0.66666667 1.  ]
 [ 0.   0.   0.  ]
 [ 0.5   1.   1.  ]]

以上这篇对python3 一组数值的归一化处理方法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。