Python中的转换矩阵

我在3D空间中有一个从-10到10的比例，步长为2.5（

[-10，-7.5，-5，-2.5,0,2.5,5,7.5,10]

）。 我在这个比例中有一个3D点，我想在0到8的另一个3D空间中映射它，步长为1（

[0,1,2,3,4,5,6,7,8]

）

我怎么做

感谢您的帮助

帮助您在一定范围内找到标准化的数学公式。python实现可以如下所示：

def normalize(values, curr_bounds, new_bounds):
    return [(x - curr_bounds[0]) * (new_bounds[1] - new_bounds[0]) / (curr_bounds[1] - curr_bounds[0] + new_bounds[0]) for x in values]

您的请求不是很清楚，如果您的数据需要在离散范围内映射（逐步舍入），则您可以执行以下操作：

def normalize_step(values, curr_bounds, new_bounds, new_step):
    return [round_step(new_step, (x - curr_bounds[0]) * (new_bounds[1] - new_bounds[0]) / (curr_bounds[1] - curr_bounds[0] + new_bounds[0])) for x in values]

def round_step(step, n):
    return (n//step + 1) * step if n%step >= step/2 else n//step * step

例如，给定以下数据：

current_bounds = (-10, 10)
new_bounds = (0, 8)
step = 1

values = [-10, -2.5, 0, 7.5, 2.5]

normalize(values, current_bounds, new_bounds)
# [0.0, 3.0, 4.0, 7.0, 5.0]

normalize_step(values, current_bounds, new_bounds, step)
# [0.0, 3.0, 4.0, 7.0, 5.0]

注意：在这种情况下，结果是相同的，因为您的

步骤=1

，如果我们将

步骤=1.5

，结果会发生变化：

normalize_step(values, current_bounds, new_bounds, 1.5)
# [0.0, 3.0, 4.5, 7.5, 4.5]

---

您想要什么样的映射？它是线性映射吗？我不太清楚你在问什么。你能给出一个预期结果的例子吗？所以你想要类似于

value=value/2.5+4

？这取决于你如何表示你的3D矩阵。在某些情况下，矩阵和缩放矩阵相乘会更容易，例如使用numpy。你能举例说明矩阵变换前后的一些数据吗？