Python 使用Numpy与硬编码的标准化

产出：

import numpy as np
import math

def normalize(array):
    mean = sum(array) / len(array)
    deviation = [(float(element) - mean)**2 for element in array]
    std = math.sqrt(sum(deviation) / len(array))
    normalized = [(float(element) - mean)/std for element in array]

    numpy_normalized = (array - np.mean(array)) / np.std(array)

    print normalized
    print numpy_normalized
    print ""

normalize([2, 4, 4, 4, 5, 5, 7, 9])
normalize([1, 2])
normalize(range(5))

有人能给我解释一下为什么这段代码在第二个例子中表现不同，但在其他两个例子中表现相似吗

---

在硬编码的示例中，我是否做错了什么？NumPy如何得到[-1，1]？

在计算平均值时，您没有将数组中的数字转换为浮点数。对于第二个或第三个输入来说，这不是问题，因为它们的计算结果恰到好处（正如@abarnert所解释的），但由于第二个输入没有，并且完全由整数组成，因此当平均值应该为1.5时，您最终将其计算为1。这会通过传播，导致您与使用NumPy函数的结果不一致

如果将计算平均值的行替换为该行，这将迫使Python使用浮点除法：

[-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0]
[-1.5 -0.5 -0.5 -0.5  0.   0.   1.   2. ]

[0.0, 1.414213562373095]
[-1.  1.]

[-1.414213562373095, -0.7071067811865475, 0.0, 0.7071067811865475, 1.414213562373095]
[-1.41421356 -0.70710678  0.          0.70710678  1.41421356]

对于第二组输入，您最终将得到[-1，1]，就像NumPy一样。

因为您使用的是整数。在Python2中（除非您从uuu future\uuuu import division中选择

），将一个整数除以一个整数得到一个整数

那么，为什么这三个都没有错呢？好吧，看看这些值。在第一个例子中，和是40，len是8，40/8=5。在第三种情况下，10/5=2。但在第二种情况下，3/2=1.5。这就是为什么当你做整数除法时，只有那个人得到了错误的答案

那么，为什么NumPy没有把第二个也弄错呢？NumPy不会将整数数组视为浮点数，而是将它们视为整数-
print np.array（array）.dtype
，您将看到
int64
。然而，正如文档中所解释的，“浮点64中间值和返回值用于整数输入”。而且，虽然我不确定这一点，但我猜他们是专门为避免这样的问题而设计的


作为补充说明，如果您对计算浮点数的平均值感兴趣，那么仅使用
sum
/
div
还有其他问题。例如，
[1,2,1e200，-1e200]
的平均值应该是0.75，但是如果你只做
sum
/
div
，你会得到
0
。（为什么？嗯，
1+2+1e200==1e200
）你可能想看看一个简单的统计库，即使你没有使用NumPy，也可以避免所有这些问题。在Python3中（它本来可以避免您的问题），stdlib中有一个名为
statistics
；在Python 2中，您必须转到PyPI。
最后一个示例与第一个示例有何不同？在这两种情况下，你得到了相同（或非常接近）的数字，只是用不同的小数位数打印（当然，它们之间有逗号，而没有）。啊，对不起。我的意思是相反的，只有[1，2]示例不同。或者，如果您认为
int/int
应该只返回一个
float
，您可以升级到Python 3或
，从uuuu future\uuuuuuu导入部分
，然后代码就可以按编写的那样工作了。：）不管怎样，核心问题是对的，但解释是错的，他在所有三个例子中都使用整数，而不仅仅是坏的一个，他甚至在他的NumPy代码中使用它们。哦，是的，你完全正确。对于第一个和第三个示例，我不知怎么看的是输出，而不是输入。
mean = sum(array) / float(len(array))