代码之家 › 专栏 › 技术社区 › endolith

如何将numpy数组规范化为一定范围内?

convenience-methods scipy numpy arrays python

endolith · 技术社区 · 15 年前

在对音频或图像数组进行一些处理之后,需要在一个范围内对其进行规范化,然后才能将其写回文件。可以这样做:

# Normalize audio channels to between -1.0 and +1.0
audio[:,0] = audio[:,0]/abs(audio[:,0]).max()
audio[:,1] = audio[:,1]/abs(audio[:,1]).max()

# Normalize image to between 0 and 255
image = image/(image.max()/255.0)

是否有一种不那么冗长、方便的函数方法来实现这一点? matplotlib.colors.Normalize() 似乎没有关系。

6 回复 | 直到 7 年前

105

unutbu 15 年前

audio /= np.max(np.abs(audio),axis=0)
image *= (255.0/image.max())

使用 /= 和 *= 允许您消除中间临时数组,从而节省一些内存。乘法比除法便宜,所以

image *= 255.0/image.max()    # Uses 1 division and image.size multiplications

比

image /= image.max()/255.0    # Uses 1+image.size divisions

因为我们在这里使用的是基本的numpy方法,所以我认为这是numpy中最有效的解决方案。

cjohnson318 11 年前

您也可以使用 sklearn . 其优点是,除了意味着将数据居中之外,您还可以调整标准偏差的规格化,并且您可以在任意轴上、通过特性或通过记录执行此操作。

from sklearn.preprocessing import scale
X = scale( X, axis=0, with_mean=True, with_std=True, copy=True )

关键字参数 axis , with_mean , with_std 是不言自明的,并以默认状态显示。争论 copy 如果设置为,则就地执行操作 False . 文档 here .

user2821 7 年前

如果数组同时包含正数据和负数据,我将使用:

import numpy as np

a = np.random.rand(3,2)

# Normalised [0,1]
b = (a - np.min(a))/np.ptp(a)

# Normalised [0,255] as integer
c = 255*(a - np.min(a))/np.ptp(a).astype(int)

# Normalised [-1,1]
d = 2*(a - np.min(a))/np.ptp(a)-1

另外,值得一提的是,即使这不是OP的问题, standardization :

e = (a - np.mean(a)) / np.std(a)

u0b34a0f6ae 15 年前

您可以使用“i”(如IDIV、IMUL等)版本,而且看起来还不错:

image /= (image.max()/255.0)

对于另一种情况,您可以编写一个函数来按列规范化N维数组:

def normalize_columns(arr):
    rows, cols = arr.shape
    for col in xrange(cols):
        arr[:,col] /= abs(arr[:,col]).max()

Pantelis 7 年前

一个简单的解决方案是使用sklearn.preprocessing库提供的定标器。

scaler = sk.MinMaxScaler(feature_range=(0, 250))
scaler = scaler.fit(X)
X_scaled = scaler.transform(X)
# Checking reconstruction
X_rec = scaler.inverse_transform(X_scaled)

错误x_rec-x将为零。您可以根据需要调整功能范围,甚至可以使用标准缩放器sk.standardscaler()。

srdg 7 年前

我试图跟踪 this 然后得到了错误

TypeError: ufunc 'true_divide' output (typecode 'd') could not be coerced to provided output parameter (typecode 'l') according to the casting rule ''same_kind''

这个 numpy 我试图规范化的数组是 integer 数组。似乎他们不赞成在版本中进行类型转换> 1.10 你必须使用 numpy.true_divide() 解决这个问题。

arr = np.array(img)
arr = np.true_divide(arr,[255.0],out=None)

img 是一个 PIL.Image 对象。