|
|
相关文章推荐
|
爱跑步的凉面 · #if、#elif、#else 和 ...· 1 年前 · |
|
|
寂寞的茄子 · 【100天精通Python】Day63：Py ...· 1 年前 · |
|
|
冷静的围巾 · jenkins 报错The engine ...· 1 年前 · |
|
|
高大的消防车 · Base64编码换行符问题解决_js ...· 1 年前 · |
|
|
咆哮的馒头 · 快速入门Springboot+vue全栈开发 ...· 2 年前 · |
在对音频或图像数组进行一些处理后，需要在一定范围内进行归一化，然后才能将其写回文件。这可以像这样做：
# 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)
有没有一种不那么冗长，更方便的函数方法来做到这一点呢？
matplotlib.colors.Normalize()
似乎与此无关。
6 个回答
高票数
最新
u0b34a0f6ae
回答于2009-11-15 02:04
得票数
11
您可以使用"i“(如idiv，imul..)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()
cjohnson318
回答于2014-01-18 04:53
得票数
42
也可以使用
sklearn
重新缩放。优点是，除了以数据为中心进行均值调整外，您还可以调整归一化标准差，并且可以在任一轴上、按要素或按记录执行此操作。
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
和
with_std
是自解释的，并以其默认状态显示。如果参数
copy
设置为
False
，则它将就地执行操作。文档
here
。
Alex Poca
修改于2020-07-24 02:01
得票数
102
如果数组同时包含正数据和负数据，我会使用：
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: don't forget the parenthesis before astype(int)
c = (255*(a - np.min(a))/np.ptp(a)).astype(int)
# Normalised [-1,1]
d = 2.*(a - np.min(a))/np.ptp(a)-1
如果数组包含
nan
，一种解决方案可能是将它们删除，如下所示：
def nan_ptp(a):
return np.ptp(a[np.isfinite(a)])
推荐文章