规范化numpy ndarray数据

我的数据是numpy Ndaray，形状（2,3,4）如下： 我尝试通过sklearn规范化来规范化每列的0-1比例

from sklearn.preprocessing import normalize  

x = np.array([[[1, 2, 3, 4],
      [2, 2, 3, 4],
      [3, 2, 3, 4]],
      [[4, 2, 3, 4],
      [5, 2, 3, 4],
      [6, 2, 3, 4]]])

x.shape ==> ( 2,3,4) 

x = normalize(x, norm='max', axis=0, ) 

但是，我发现了一个错误：

ValueError: Found array with dim 3. the normalize function expected <= 2.

---

ValueError:找到具有dim 3的数组。正常化函数预期似乎
scikit learn
预期数据阵列最多有两个DIM。因此，要解决这个问题，需要将其重塑为
2D
，将其馈送到
normalize
，这将为我们提供一个
2D
数组，该数组可以重塑为原始形状-

from sklearn.preprocessing import normalize  

normalize(x.reshape(x.shape[0],-1), norm='max', axis=0).reshape(x.shape)

或者，NumPy更简单，可以很好地处理通用Ndarray-

x/np.linalg.norm(x, ord=np.inf, axis=0, keepdims=True)

非常感谢你！！但是，上面的代码不适用于逐列，而是适用于整个数据。应该应用哪个选项？@ChrisJoo不知道你所说的列对列是什么意思。也许你的意思是沿着轴=1而不是轴=0使用它？例如，第一列[[1,2,3]，[4,5,6]]应该是[[0.1667,0.3333,0.5000]，[0.6667,0.8333,1.0000]]，第二列（2,2,2,2,2,2）应该是[1,1,1,1,1]。这看起来不像l2范数，而是最大范数，也沿着最后一个轴。因此，在sklearn版本中使用：
x/np.linalg.norm（x，ord=np.inf，axis=-1，keepdims=1）
或
norm='max'，
。我已经解决了这个问题。。你对我帮助很大。。非常感谢。规格化（x.shape[1]，-1），norm='max'，axis=0）。重塑（x.shape）