Python 沿第一个维度的轴按列缩放三维numpy数组

我有一个表示时间序列数据的3d numpy数组，即[样本数、时间步长、特征]

我想在-1和1之间缩放每个特性。但是，应根据阵列第一维中所有样本的最大值和最小值缩放每个特征。例如，我的数组的形状如下：

multi_data.shape
(66, 5004, 2)

我尝试了以下方法：

data_min = multi_data.min(axis=1, keepdims=True)
data_max = multi_data.max(axis=1, keepdims=True)
multi_data = (2*(multi_data-data_min)/(data_max-data_min))-1

---

问题是这会独立地扩展每个“批”（数组的第一个维度）。我想做的是在所有66个批次中按最大值和最小值缩放每个功能（我有两个），然后根据这些最大值和最小值缩放每个功能，但我不太清楚如何实现这一点。任何指针都是非常受欢迎的。

将其与另一个

min/max

链接如何：

data_min = multi_data.min(axis=1, keepdims=True).min(axis=0, keepdims=True)
data_max = multi_data.max(axis=1, keepdims=True).max(axis=0, keepdims=True)
multi_data = (2*(multi_data-data_min)/(data_max-data_min))-1

或：

由于您采用的是前两个维度的

min/max

，因此您可以忘记

keepdims

而使用广播，这样在这种情况下可以节省大量内存：

data_min = multi_data.min(axis=(0,1))
data_max = multi_data.max(axis=(0,1))
multi_data = (2*(multi_data-data_min)/(data_max-data_min))-1

---

哇！这太神奇了。非常感谢你给出如此简洁而透彻的回答，我不知道我能像那样放弃keepdims！

data_min = multi_data.min(axis=(0,1))
data_max = multi_data.max(axis=(0,1))
multi_data = (2*(multi_data-data_min)/(data_max-data_min))-1