Python 多次运行的矩阵规范化，这段代码做什么？

我收集了一些numpy矩阵。现在我想将这些矩阵可视化，并探索它们之间的视觉相似性。矩阵包含从0.0到1.0的小数字

为了比较它们，我希望确保相同的“区域”使用相同的颜色着色，例如，0.01到0.02始终为红色，0.02到0.03始终为绿色。我有两个问题：

我发现另一个包含以下代码段：

a = np.random.normal(0.0,0.5,size=(5000,10))**2
a = a/np.sum(a,axis=1)[:,None]  # Normalize

plt.pcolor(a)

第二行，即

[：，None]

语句的效果是什么。我尝试通过以下方式规范化矩阵：

max_a = a/10# Normalize
print(max_a.shape)
plt.pcolor(max_a)

但与非规范化矩阵的可视化相比，没有太大的视觉差异。然后，当我添加

[：，None]

语句时，我得到一个错误

ValueError: too many values to unpack (expected 2)

这是预期的，因为形状现在是

10,1,10

。因此，我想知道括号的作用以及如何阅读该声明

---

其次，也是相关的，我想确保我可以直观地比较矩阵。因此，我想修正“着色”，例如颜色为绿色或红色时的范围，以便在绘图a中不以0到0.1为绿色，在绘图B中不以0到0.1为红色结束。如何修正从浮动到颜色的“转换”？我是否必须使用相同的常数（例如10）对每个矩阵进行规格化？或者我用一个唯一的值对它们进行规范化——我甚至需要在这里进行规范化吗？

[：，None]

添加了新的轴，这样您就可以分割每行中所有列的总和——这与使用

np.sum（a，axis=1）[：，np.newaxis]

对所有列进行求和时使用

np.sum（a，axis=1）是一样的

您将获得具有形状

（5000）

的1d数组，但为了能够使用求和列规范化矩阵，您需要具有形状

（5000,1）

的2d数组，这就是需要新轴的原因

您可以通过固定颜色贴图的比例来固定颜色：

plt.pcolor（max_a，vmin=0，vmax=1）

添加也可能有帮助：

从pylab导入cm
cmap=cm.get_cmap（'jet'，10）
plt.pcolor（a，cmap=cmap，vmin=0，vmax=1）
plt.colorbar（）