（Python）对矩阵列的赋值返回所有零'；s

我不熟悉Python和NumPy，并且尝试创建一个具有平均规范化和特性缩放的矩阵类。当我运行一个简单的示例时，标准化将返回一列所有的零。我试着寻找它，但只找到了

copy（）

thingy，这不太适用。代码如下，有什么建议吗

#/usr/bin/env python
将numpy作为np导入
类别矩阵（对象）：
定义初始化（self，X=[]）：
self.X=X
self.normalized=False
self.\u calcColumnVars（）
def_calcColumnVars（self）：#这东西有办法和东西
self.mean=np.array（[]）
self.minimum=np.array（[]）
self.max=np.array（[]）
对于范围（0，len（self.X[0]）内的ii：
self.mean=np.append（self.mean，np.mean（self.X[：，ii]））
self.minimum=np.append（self.minimum，np.min（self.X[：，ii]））
self.max=np.append（self.max，np.max（self.X[：，ii]））
def规格化（自身）：#通过平均值进行偏移并规格化到范围
对于范围（0，len（self.X[0]）内的ii：
如果自最小值[ii]==自最大值[ii]：
continue#该列包含所有相同的元素
self.X[：，ii]=（self.X[：，ii]-自平均值[ii]）/（自最大值[ii]-自最小值[ii]）
self.normalized=True
def显示（自我）：
打印“X=%s”%np.array\u str（self.X）；
打印“平均值=%s”%np.array\u str（self.Mean，精度=2）；
打印“最小值=%s”%np.array\u str（自最小值，精度=2）；
打印“Max=%s”%np.array\u str（self.Max，精度=2）；
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
X=正规矩阵（np.数组（[[1,1,1,1]，[89,72,94,69]，[1,2,3,4]]）。转置（）
X.show（）
十、规范化
X.show（）

我的输出：

X=[[1]
[ 1 72  2]
[ 1 94  3]
[ 1 69  4]]
平均值=[1.81.2.5]
Min=[1.69.1]
Max=[1.94.4]
X=[[1 0]
[1 0 0]
[1 0 0]
[1 0 0]]
平均值=[1.81.2.5]
Min=[1.69.1]
Max=[1.94.4]

当数组具有整数数据类型时，除法返回整数：

In [5]: X = np.array([[1,1,1,1], [89,72,94,69], [1,2,3,4]])

In [7]: X.dtype
Out[7]: dtype('int64')

In [6]: X / 100
Out[6]: 
array([[0, 0, 0, 0],
       [0, 0, 0, 0],
       [0, 0, 0, 0]])

相反，如果数组具有浮点数据类型，则除法返回浮点：

In [8]: X = np.array([[1,1,1,1], [89,72,94,69], [1,2,3,4]])

In [9]: X = X.astype(float)

In [11]: X.dtype
Out[11]: dtype('float64')

In [10]: X / 100
Out[10]: 
array([[ 0.01,  0.01,  0.01,  0.01],
       [ 0.89,  0.72,  0.94,  0.69],
       [ 0.01,  0.02,  0.03,  0.04]])

---

您的代码可以通过更改

    self.X = X

在

NormMatrix.\uuuu init\uuuu

中：

    self.X = np.asarray(X, dtype=float)

---

此外，您还可以通过删除循环的

来更好地利用NumPy，而不是使用NumPy
mean
、
min
、
max
方法。
axis=0
参数告诉这些方法在行上取
平均值（或
min
或
max
）。结果是一个数组，每列有一个值。指定
axis=0
将删除0轴：

def _calcColumnVars(self):         # This thing gets the means and stuff
    self.mean = self.X.mean(axis=0)
    self.minimum = self.X.min(axis=0)
    self.maximum = self.X.max(axis=0)

并通过使用执行归一化算法：

def normalize(self):       # Offset by mean and normalize to range
    normed = (self.X - self.mean) / (self.maximum - self.minimum)
    self.X = np.where(np.isnan(normed), self.X, normed)
    self.normalized = True

天哪，我真傻！！！花了一整天的时间在这上面，却没有注意到！！！非常感谢你！如果我使用NumPy广播，有没有办法检查（max-min）是否返回0？如果没有办法，我就不能使用它：（如果X是一个具有浮点数据类型的数组，则除以零返回
nan
。在这种情况下，要保留
X
的值，可以使用
np.isnan
来标识这些位置，并使用
np.where
返回一个填充了
self.X
where
np.isnan（X）值的数组。）
为真，而从
normed
则为假。（参见上面的代码）。当数组有很多列时，这将比使用
for loop
更快。如果数组很小，则
for loop
可能更快。更正，在答案的广播部分-应该是“self.X=np.where（np.isnan）（normed），self.X，标准化）