Python 如何规范化numpy阵列中的子阵列

我有一个numpy数组

data

的形状：[128,64,64,64]，我想知道将128个切片中的每一个归一化为[0.0,1.0]范围的最佳方法是什么。我知道我可以使用np.max（数据[0，…]），np.max（数据[1，…]）。。。max（data[127，…]）来计算每个切片中的最大值，但不知道我是否可以更有效地完成这项工作

基本上是这样的：

data_min = np.min(data[:,...])
data_max = np.max(data[:,...])
norm_data = (data[:,...] - data_min)/(data_max - data_min)

结果仍应具有形状[128,64,64,64] 但我还没有弄清楚使用哪种特定的最小/最大函数和选项来获得结果

请告知。

---

谢谢

获取最小值和最大值，同时保留维度，以帮助我们以后使用这些维度使用规范化公式规范化输入数据，如下所示-

mins = data.min(axis=(1,2,3), keepdims=True)
maxs = data.max(axis=(1,2,3), keepdims=True)
norm_data = (data-mins)/(maxs-mins)

---

您可以使用

np.vectorize

将函数应用于数组的所有元素：

def norm(element):
    return (element - data_min) / (data_max - data_min)

ndnorm = np.vectorize(norm)

data_min = data.min()
data_max = data.max()

norm_data = ndnorm(data)

---

但是最初的形状是

[128,64,64,64]

？刚刚纠正了它。这似乎规范化了整个数据阵列，而我想沿着第一维度规范化每个子阵列，如问题中所示：数据[0，…]，然后是数据[1，…]等等。如何相应地更改？酷~！现在可以用了。”在这种情况下，keepdims似乎至关重要。谢谢你介意重写这个来规范化第一维度上的子数组吗？有兴趣了解vectorize（）如何工作有关

np.vectorize

的信息可以在中轻松找到。要沿第一维度规格化每个子阵列，可以在for循环中对每个子阵列应用相同的函数。要在一行中执行此操作，请将

data\u min

和

data\u max

添加到

norm

和：

norm\u data=np.array（[ndnorm（subar，subar.min（），subar.max（））的参数中（[ndnorm（subar，subar.min（），subar.max（））表示数据中的subar]）