Python numpy阵列的标准化

我试图标准化一个形状（M，N）的numpy数组，使其列平均值为0。我想我已经正确地使用了标准化公式，其中x是随机变量，z是x的标准化版本

z=（x-平均值（x））/std（x）

但结果数组的列平均值不是0。它们是非常小的数字，但不是零。欢迎任何关于我的误解或错误的见解。这是我的密码：

import numpy as np

X = np.load('data/filename.npy').astype('float')
XNormed = (X - np.mean(X, axis=0))/np.std(X, axis=0)
column_mean = np.mean(XNormed, axis=0)
print(column_mean)

---

您的代码是正确的，但正如您在自己问题的公式中所提到的，您需要除以标准偏差，而不是数据范围（如代码中所述）。下面使用numpy的std（）的行应该会更正它：

XNormed = (X - X.mean())/(X.std())

---

您的代码是正确的，但正如您在自己问题的公式中所提到的，您需要除以标准偏差，而不是数据范围（如代码中所述）。下面使用numpy的std（）的行应该会更正它：

XNormed = (X - X.mean())/(X.std())

---

试着把数字转换成整数，它应该会自己落地。我知道。但我想知道为什么这不起作用。因为它不应该依赖于数据类型或舍入问题。应该吗？这是处理浮点数的人工制品。如果需要更高的精度，请使用类型

np.float64

。谢谢Chris。我试试这个。：）试着把数字转换成整数，它应该会自己落地。我知道。但我想知道为什么这不起作用。因为它不应该依赖于数据类型或舍入问题。应该吗？这是处理浮点数的人工制品。如果需要更高的精度，请使用类型

np.float64

。谢谢Chris。我试试这个。：）你好很抱歉给你带来了困惑。我在尝试一些东西，但在发布之前忘记了把它改回去。更新了代码。我只使用标准偏差来计算XNormed.Hi。很抱歉给你带来了困惑。我在尝试一些东西，但在发布之前忘记了把它改回去。更新了代码。我只使用标准偏差来计算XNormed。