📜  规范化 numpy 数组 - Python (1)

📅  最后修改于: 2023-12-03 15:27:54.790000             🧑  作者: Mango

规范化 numpy 数组 - Python

NumPy 是一个基于 Python 的科学计算库。NumPy 数组是一种 N 维数组对象,用于处理大型数据集。

规范化 NumPy 数组是将每个数组元素缩放到特定范围的过程。它可以将不同规模和单位的数据特征放在同一尺度下进行比较和分析。

在Python中,规范化NumPy数组可以使用sklearn.preprocessing中的MinMaxScaler类。MinMaxScaler类将数据缩放到指定的范围。

下面是一个使用MinMaxScaler类规范化NumPy数组的示例:

import numpy as np
from sklearn.preprocessing import MinMaxScaler

# 创建一个 1D 数组
arr = np.array([10, 20, 30, 40, 50])

# 创建一个 MinMaxScaler 对象
scaler = MinMaxScaler()

# 使用fit()函数进行拟合
scaler.fit(arr.reshape(-1, 1))

# 规范化数组
new_arr = scaler.transform(arr.reshape(-1, 1))

print(new_arr)

输出如下:

[[0. ]
 [0.25]
 [0.5 ]
 [0.75]
 [1. ]]

以上代码使用了fit()函数,该函数将MinMaxScaler对象拟合到数组中并计算规范化所需的参数。

接下来使用transform()函数规范化数组。现在,新数组中的所有元素都在0到1的范围内。

此外,可以使用inverse_transform()函数将规范化后的数组恢复到原始数据:

# 将规范化数组反转回原始数据
original_arr = scaler.inverse_transform(new_arr)

print(original_arr)

输出如下:

[[10.]
 [20.]
 [30.]
 [40.]
 [50.]]

以上是规范化NumPy数组的一个简单示例。到这里,您应该已经了解了如何使用MinMaxScaler类将NumPy数组规范化。