代码之家 › 专栏 › 技术社区 › Eric O. Lebigot

如何快速规范化许多向量?

normalization numpy vector python

Eric O. Lebigot · 技术社区 · 15 年前

如何在numpy中优雅地规范化向量列表?

下面是一个例子不工作:

from numpy import *

vectors = array([arange(10), arange(10)])  # All x's, then all y's
norms = apply_along_axis(linalg.norm, 0, vectors)

# Now, what I was expecting would work:
print vectors.T / norms  # vectors.T has 10 elements, as does norms, but this does not work

最后一个操作将生成“形状不匹配:对象不能广播到单个形状”。

如何将二维矢量归一化 vectors 做得优雅,麻木?

编辑 :向添加维度时,为什么上述操作不起作用? norms 是否有效(根据我下面的答案)?

5 回复 | 直到 7 年前

Eric O. Lebigot 11 年前

好吧,除非我错过了什么,否则这确实有效:

vectors / norms

你建议的问题是广播规则。

vectors  # shape 2, 10
norms  # shape 10

形状的长度不一样!所以规则是首先在左边 :

norms  # shape 1,10

您可以通过以下方式手动执行此操作:

vectors / norms.reshape(1,-1)  # same as vectors/norms

如果你想计算 vectors.T/norms ,您必须手动进行整形,如下所示:

vectors.T / norms.reshape(-1,1)  # this works

Community CDub 8 年前

计算震级

我遇到这个问题,对你的标准化方法很好奇。我用另一种方法来计算震级。 注意:我通常还计算最后一个索引的规范(在本例中是行,而不是列)。

magnitudes = np.sqrt((vectors ** 2).sum(-1))[..., np.newaxis]

但是,通常情况下,我只是这样规范化:

vectors /= np.sqrt((vectors ** 2).sum(-1))[..., np.newaxis]

时间比较

我做了一个测试比较时间,发现我的方法快了很多,但是 Freddie Witherdon 他的建议更快。

import numpy as np    
vectors = np.random.rand(100, 25)

# OP's
%timeit np.apply_along_axis(np.linalg.norm, 1, vectors)
# Output: 100 loops, best of 3: 2.39 ms per loop

# Mine
%timeit np.sqrt((vectors ** 2).sum(-1))[..., np.newaxis]
# Output: 10000 loops, best of 3: 13.8 us per loop

# Freddie's (from comment below)
%timeit np.sqrt(np.einsum('...i,...i', vectors, vectors))
# Output: 10000 loops, best of 3: 6.45 us per loop

但是要小心,就像这样 StackOverflow answer 注意,有些安全检查没有发生 einsum ,所以您应该确保 dtype 属于 vectors 足够精确地存储震级的平方。

Eric O. Lebigot 12 年前

好的:numpy的数组形状广播为左边数组的形状,而不是右边。但是,可以指示numpy在 norms 数组:

print vectors.T / norms[:, newaxis]

工作!

SenhorSchaefers 11 年前

SciKit学习中已经有一个功能:

import sklearn.preprocessing as preprocessing
norm =preprocessing.normalize(m, norm='l2')*

Fnord 9 年前

我对向量规格化的首选方法是使用numpy的inner1d来计算它们的大小。以下是迄今为止与Inner1d相比的建议

import numpy as np
from numpy.core.umath_tests import inner1d
COUNT = 10**6 # 1 million points

points = np.random.random_sample((COUNT,3,))
A      = np.sqrt(np.einsum('...i,...i', points, points))
B      = np.apply_along_axis(np.linalg.norm, 1, points)   
C      = np.sqrt((points ** 2).sum(-1))
D      = np.sqrt((points*points).sum(axis=1))
E      = np.sqrt(inner1d(points,points))

print [np.allclose(E,x) for x in [A,B,C,D]] # [True, True, True, True]

用CProfile测试性能:

import cProfile
cProfile.run("np.sqrt(np.einsum('...i,...i', points, points))**0.5") # 3 function calls in 0.013 seconds
cProfile.run('np.apply_along_axis(np.linalg.norm, 1, points)')       # 9000018 function calls in 10.977 seconds
cProfile.run('np.sqrt((points ** 2).sum(-1))')                       # 5 function calls in 0.028 seconds
cProfile.run('np.sqrt((points*points).sum(axis=1))')                 # 5 function calls in 0.027 seconds
cProfile.run('np.sqrt(inner1d(points,points))')                      # 2 function calls in 0.009 seconds

inner1d计算的头发大小比einsum快。因此,使用inner1d规范化:

n = points/np.sqrt(inner1d(points,points))[:,None]
cProfile.run('points/np.sqrt(inner1d(points,points))[:,None]') # 2 function calls in 0.026 seconds

针对SciKit的测试:

import sklearn.preprocessing as preprocessing
n_ = preprocessing.normalize(points, norm='l2')
cProfile.run("preprocessing.normalize(points, norm='l2')") # 47 function calls in 0.047 seconds
np.allclose(n,n_) # True

结论:使用inner1d似乎是最佳选择