如何在python中规范化numpy数组

我有以下numpy数组：

from sklearn.decomposition import PCA
from sklearn.preprocessing import normalize
import numpy as np

# Tracking 4 associate metrics
# Open TA's, Open SR's, Open SE's
associateMetrics = np.array([[111,  28,  21],
   [ 27,  17,  20],
   [ 79,  23,  17],
   [185, 125,  50],
   [155,  76,  32],
   [ 82,  24,  17],
   [127,  63,  33],
   [193,  91,  63],
   [107,  24,  17]])

现在，我想规范化每个“列”，使值介于0和1之间。我的意思是，例如，第一列中的值应该介于0和1之间

我该怎么做

normed_matrix = normalize(associateMetrics, axis=1, norm='l1')

---

以上内容为我提供了行标准化

我可以使用以下方法来实现这一点：

normalized_metrics = normalize(associateMetrics, axis=0, norm='l1')

---

“上面的方法行吗？”你试过了吗？你想把每一列除以它的最大值吗？我想我有我的答案了。我试过把axis=0，它就行了。文档对我来说不清楚，我想…scipy中的轴指定了您正在处理的尺寸。对于二维数据（matrxi），轴=0表示跨行，轴=1表示跨列。非常感谢。请允许我再问一个问题。如何将每列乘以不同的标量值？我要做的是为每列指定不同的权重。正常化后我应该这样做吗？如果是，如何进行？抱歉，我对python有点陌生。您可以使用numpy.multiply将权重向量与矩阵按元素相乘。也许是

np。乘法（v，m）

其中

v

是你的向量，

m

是你的矩阵。对不起，对于逐列乘法，您可能需要

np.multiply（v，m.transpose（））.transpose（）