numpy逐行除法求和
提问于 2013-04-24 21:16:32
如何将数值数组行除以该行中所有值的总和？
这是一个例子。但我很确定有一种更花哨、更有效的方法：
import numpy as np
e = np.array([[0., 1.],[2., 4.],[1., 5.]])
for row in xrange(e.shape[0]):
e[row] /= np.sum(e[row])结果：
array([[ 0. , 1. ],
[ 0.33333333, 0.66666667],
[ 0.16666667, 0.83333333]])
回答 3
Stack Overflow用户
回答已采纳
发布于 2013-04-24 21:25:07
方法#1:使用None (或np.newaxis)添加额外的维度，以便广播行为：
>>> e
array([[ 0., 1.],
[ 2., 4.],
[ 1., 5.]])
>>> e/e.sum(axis=1)[:,None]
array([[ 0. , 1. ],
[ 0.33333333, 0.66666667],
[ 0.16666667, 0.83333333]])方法#2:转置快乐：
>>> (e.T/e.sum(axis=1)).T
array([[ 0. , 1. ],
[ 0.33333333, 0.66666667],
[ 0.16666667, 0.83333333]])(为了简洁起见，您可以省略axis=部分。)
方法#3：(从Jaime的评论中提升)
在sum上使用keepdims参数保留维度：
>>> e/e.sum(axis=1, keepdims=True)
array([[ 0. , 1. ],
[ 0.33333333, 0.66666667],
[ 0.16666667, 0.83333333]])Stack Overflow用户
发布于 2016-06-24 16:38:33
你可以在数学上这样做
。
这里，E是原始矩阵，D是对角矩阵，其中每一项都是E中相应行的总和。如果您足够幸运地拥有一个可逆的D，那么在数学上这是一种非常方便的方法。
在numpy中：
import numpy as np
diagonal_entries = [sum(e[row]) for row in range(e.shape[0])]
D = np.diag(diagonal_entries)
D_inv = np.linalg.inv(D)
e = np.dot(e, D_inv)Stack Overflow用户
发布于 2020-07-15 17:07:36
您也可以使用numpy的重塑方法，如下所示：
e = np.array([[0., 1.],[2., 4.],[1., 5.]])
e/=np.sum(e, axis=1).reshape(-1,1)
e
array([[0. , 1. ],
[0.33333333, 0.66666667],
[0.16666667, 0.83333333]])页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/16202348
复制相关文章
腾讯云开发者
