Numpy 行列を正規化する方法: 例付き
行列の正規化とは、行または列の値の範囲が 0 から 1 の間になるように値をスケーリングすることを意味します。
NumPy 行列の値を正規化する最も簡単な方法は、sklearn パッケージのnormalize()関数を使用することです。この関数は、次の基本構文を使用します。
from sklearn. preprocessing import normalize #normalize rows of matrix normalize(x, axis= 1 , norm=' l1 ') #normalize columns of matrix normalize(x, axis= 0 , norm=' l1 ')
次の例は、この構文を実際に使用する方法を示しています。
例 1: NumPy 行列の行を正規化する
次の NumPy 行列があるとします。
import numpy as np #create matrix x = np. arange (0, 36, 4). reshape (3,3) #view matrix print (x) [[ 0 4 8] [12 16 20] [24 28 32]]
次のコードは、NumPy 行列の行を正規化する方法を示しています。
from sklearn. preprocessing import normalize
#normalize matrix by rows
x_normed = normalize(x, axis= 1 , norm=' l1 ')
#view normalized matrix
print (x_normed)
[[0. 0.33333333 0.66666667]
[0.25 0.33333333 0.41666667]
[0.28571429 0.33333333 0.38095238]]
各行の値の合計が 1 になることに注意してください。
- 最初の行の合計: 0 + 0.33 + 0.67 = 1
- 2 行目の合計: 0.25 + 0.33 + 0.417 = 1
- 3 行目の合計: 0.2857 + 0.3333 + 0.3809 = 1
例 2: NumPy 行列の列を正規化する
次の NumPy 行列があるとします。
import numpy as np #create matrix x = np. arange (0, 36, 4). reshape (3,3) #view matrix print (x) [[ 0 4 8] [12 16 20] [24 28 32]]
次のコードは、NumPy 行列の行を正規化する方法を示しています。
from sklearn. preprocessing import normalize
#normalize matrix by columns
x_normed = normalize(x, axis= 0 , norm=' l1 ')
#view normalized matrix
print (x_normed)
[[0. 0.08333333 0.13333333]
[0.33333333 0.33333333 0.33333333]
[0.66666667 0.58333333 0.53333333]]
各列の値が合計 1 になることに注意してください。
- 最初の列の合計: 0 + 0.33 + 0.67 = 1
- 2 番目の列の合計: 0.083 + 0.333 + 0.583 = 1
- 3 列目の合計: 0.133 + 0.333 + 0.5333 = 1
追加リソース
次のチュートリアルでは、Python で他の一般的な操作を実行する方法について説明します。