尝试规范化numpy.array（版本1.17.4）中的列时出现意外行为

因此，我试图规范化numpy数组中的特定列（即max=1，min=value/max）。 我希望这段代码能起到作用：

bar = np.arange(12).reshape(6,2)

bar
array([[ 0,  1],
       [ 2,  3],
       [ 4,  5],
       [ 6,  7],
       [ 8,  9],
       [10, 11]])

bar[:,1] = bar[:,1] / bar[:,1].max()
bar
array([[ 0,  0],
       [ 2,  0],
       [ 4,  0],
       [ 6,  0],
       [ 8,  0],
       [10,  1]])

如果每个值的类型为“float”，则按预期工作

foo = np.array([[1.1,2.2],
               [3.3,4.4],
               [5.5,6.6]])
foo[:,1] = foo[:,1] / foo[:,1].max()

foo
array([[1.1       , 0.33333333],
       [3.3       , 0.66666667],
       [5.5       , 1.        ]])

我想我要问的是，我这里缺少的默认“int”在哪里？ （我把这当作一个“学习机会”）

来自np.arange：

由于您传递了int值，因此将推断数组中的值为int，因此它们不会更改为float，如果需要，可以这样做：

bar = np.arange(12.0).reshape(6,2)

如果您只是执行：

out = bar[:,1] / bar[:,1].max()
print(out)
>>> [0.09090909 0.27272727 0.45454545 0.63636364 0.81818182 1.        ]

它工作得很好，因为out是一个新创建的浮点数组，用于存储这些浮点值。但是默认情况下，

np.arange（12）

为您提供一个int数组

bar[：，1]=bar[：，1]/bar[：，1].max（）

尝试将浮点值存储在整数数组中，所有值都变成整数，您将得到

[0 0 0 1]

要在默认情况下将数组设置为浮点值，请执行以下操作：

bar = np.arange(12, dtype='float').reshape(6,2)

或者，您也可以使用：

bar = np.arange(12).reshape(6,2).astype('float')

---

我们需要在整个程序中更改数组的数据类型并不少见，因为您可能并不总是需要最初定义的数据类型。因此，

.astype（）

实际上在各种情况下都非常方便。

作为一句话：通常用浮点除的技巧也不会起作用，因为它不会改变数组的数据类型。感谢您快速而有用的回复。但是，我不应该只说一句谢谢你的话；-），因此，我要补充一个后续问题：是否有一种“有效”或首选的方式？假设我必须对大量数组进行迭代。在字里行间，似乎你建议的最后一种方法是你愿意选择的方法。是这样吗？第一个方法：创建类型为[dtype]的数组。第二种方法：创建[int]类型的数组，然后将int数组转换为浮点数组。第一种方法更有效。也就是说，.astype函数可以在需要时转换数组的类型，而不仅仅是在声明期间。因此，在创建新数组时，请使用第一个方法（dtype=“…”），如果以后需要在代码中更改数组的类型，请使用“.astype（“…”）”

bar = np.arange(12).reshape(6,2).astype('float')