Python 数组和标量的Numpy数学？

我是新手。我正试图将我的输入标准化（也称为特征缩放、标准化）到神经网络。我只是做线性缩放，我使用的公式是：

I=Imin+（Imax-Imin）*（D-Dmin）/（Dmax-Dmin）

其中I是缩放输入值，Imin和Imax是缩放值的期望最小和最大范围，D是原始数据值，Dmin和Dmax是原始数据值的最小和最大范围。我想要一个python方法，它接受一个numpy数组并返回一个包含所有规范化值的数组。这就是我目前的想法

def get_normalized_values(array):
    """I = Imin + (Imax-Imin)*(D-Dmin)/(Dmax-Dmin)"""
    imin = -1
    imax = 1
    dmin = array.amin()
    dmax = array.amax()

    normalized = imin + (imax - imin)*(array - dmin)/(dmax - dmin)

    return normalized

我的问题是这行得通吗？或者我必须循环数组中的每个元素并执行数学运算吗？你能用数组和标量做这样的数学吗？也就是说，

array-dmin

是否会创建一个新的临时数组，其中每个值都减去了dmin？不确定这是否是正确的术语，但我认为这是一种“矢量化”方法

更新

有没有办法让它修改阵列？也就是说，与其返回数组的副本，不如让函数获取数组并修改原始数组？

这是python，只需尝试一下（tm）

---

我真的不知道答案，但我找到答案的方法是将问题粘贴到iPython终端会话中。通常，每当我想知道如何在numby中执行类似的操作时，简单的方法就起作用了。

我相信您需要将调用

amin（）

和

amax（）

更改为只调用

min（）

和

max（）

，就像在

my_array.max（）

中一样

---

否则，这应该可以正常工作。您可以在NumPy中执行类似于Octave/Matlab的操作，例如向数组添加标量，并且它自动知道将操作映射到所有元素。有时，您可能需要稍微不同的语法（例如了解

numpy.linalg.dot（）

之间的差异，并将两个数组相乘），但一般来说，这类事情就像您所指出的一样简单。

这类事情通常可以正常工作，请尝试一下。有一点是，amin和amax应该只是min和max.或argmin/argmax。amin、amax和min、max之间有什么区别？我不相信

amin（）

是NumPy中数组类型的成员函数。我很确定您使用

numpy.amin（）

来计算沿轴的最小值，并且

my_array.amin（）

将抛出一个错误（当我在上面测试代码时，它肯定会在numpy 1.5.1中为我抛出一个错误）。为数组类型实现的正确方法是

min（）

方法，例如

my\u array.min（）

。因此，如果您愿意，可以选择调用

amin

，但不能在数组名称后使用点语法调用。此外，还有一个小小的个人审美偏好。我经常使用NumPy函数

argmin（）

获取最小项的索引。我不喜欢

min

、

argmin

和

amin

的潜在混淆。我倾向于只使用数组类型的类方法，并且通过调用

np.some_function（array）

避免应用任何数组操作。我尝试坚持<代码>数组。一些函数（）/代码>，并没有“<代码> AN（））/代码>，它只能被称为<代码> NP（阿明）（数组）< /代码>。如果我的答案有所帮助，请考虑接受它。如果没有，请告诉我，我很乐意尝试提供更多帮助。这是因为我修改了我的问题，并希望在编辑中得到答案。但我决定提出一个新问题：