Cara menormalkan nilai dalam array numpy antara 0 dan 1

Untuk menormalkan nilai array NumPy antara 0 dan 1, Anda dapat menggunakan salah satu metode berikut:

Metode 1: Gunakan NumPy

 import numpy as np

x_norm = (x-np. min (x))/(np. max (x)-np. min (x))

Metode 2: Gunakan Sklearn

 from sklearn import preprocessing as pre

x = x. reshape (-1, 1)

x_norm = pre. MinMaxScaler (). fit_transform (x)

Kedua metode tersebut berasumsi bahwa x adalah nama array NumPy yang ingin Anda normalkan.

Contoh berikut menunjukkan cara menggunakan masing-masing metode dalam praktik.

Contoh 1: Normalisasikan nilai menggunakan NumPy

Misalkan kita memiliki array NumPy berikut:

 import numpy as np

#create NumPy array
x = np. array ([13, 16, 19, 22, 23, 38, 47, 56, 58, 63, 65, 70, 71])

Kita dapat menggunakan kode berikut untuk menormalkan setiap nilai dalam array antara 0 dan 1:

 #normalize all values to be between 0 and 1
x_norm = (x-np. min (x))/(np. max (x)-np. min (x))

#view normalized array
print (x_norm)

[0. 0.05172414 0.10344828 0.15517241 0.17241379 0.43103448
 0.5862069 0.74137931 0.77586207 0.86206897 0.89655172 0.98275862
 1. ]

Setiap nilai dalam array NumPy telah dinormalisasi menjadi antara 0 dan 1.

Begini cara kerjanya:

Nilai minimum pada dataset adalah 13 dan nilai maksimum adalah 71.

Untuk menormalkan nilai pertama 13 , kami akan menerapkan rumus yang dibagikan sebelumnya:

• z _i = ( _xi – menit(x)) / (maks(x) – menit(x)) = (13 – 13) / (71 – 13) = 0

Untuk menormalkan nilai kedua dari 16 , kita akan menggunakan rumus yang sama:

• z _i = ( _xi – menit(x)) / (maks(x) – menit(x)) = (16 – 13) / (71 – 13) = 0,0517

Untuk menormalkan nilai ketiga dari 19 , kita akan menggunakan rumus yang sama:

• z _i = ( _xi – menit(x)) / (maks(x) – menit(x)) = (19 – 13) / (71 – 13) = 0,1034

Kami menggunakan rumus yang sama untuk menormalkan setiap nilai dalam array NumPy asli antara 0 dan 1.

Contoh 2: Normalisasikan nilai menggunakan sklearn

Sekali lagi, misalkan kita memiliki array NumPy berikut:

 import numpy as np

#create NumPy array
x = np. array ([13, 16, 19, 22, 23, 38, 47, 56, 58, 63, 65, 70, 71])

Kita dapat menggunakan fungsi MinMaxScaler() sklearn untuk menormalkan setiap nilai dalam array antara 0 dan 1:

 from sklearn import preprocessing as pre

#reshape array so that it works with sklearn
x = x. reshape (-1, 1)

#normalize all values to be between 0 and 1
x_norm = pre. MinMaxScaler (). fit_transform (x)

#view normalized array
print (x_norm)

[[0. ]
 [0.05172414]
 [0.10344828]
 [0.15517241]
 [0.17241379]
 [0.43103448]
 [0.5862069]
 [0.74137931]
 [0.77586207]
 [0.86206897]
 [0.89655172]
 [0.98275862]
 [1. ]]

Setiap nilai dalam array NumPy telah dinormalisasi menjadi antara 0 dan 1.

Perhatikan bahwa nilai yang dinormalisasi ini cocok dengan nilai yang dihitung menggunakan metode sebelumnya.

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di NumPy:

Cara mengurutkan elemen dalam array NumPy
Cara menghapus elemen duplikat dari array NumPy
Cara menemukan nilai paling sering dalam array NumPy