NumPy 배열을 특정 범위 내로 정규화하는 방법은 무엇입니까?

NumPy 배열을 특정 범위 내로 정규화하는 방법은 무엇입니까?

---

오디오 또는 이미지 배열에서 일부 처리를 수행 한 후에는 파일로 다시 쓰기 전에 범위 내에서 정규화해야합니다. 다음과 같이 할 수 있습니다 :

# 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)

덜 장황하고 편리한 기능 방법이 있습니까? matplotlib.colors.Normalize()관련이없는 것 같습니다.

---

audio /= np.max(np.abs(audio),axis=0)
image *= (255.0/image.max())

사용 /=및 *=따라서 일부 메모리를 저장, 당신은 중간 임시 배열을 제거 할 수 있습니다. 곱셈은 ​​나눗셈보다 비싸지 않으므로

image *= 255.0/image.max()    # Uses 1 division and image.size multiplications

보다 약간 빠르다

image /= image.max()/255.0    # Uses 1+image.size divisions

여기서는 기본적인 numpy 메소드를 사용하고 있기 때문에 이것이 가능한 한 numpy의 효율적인 솔루션이라고 생각합니다.

---

전체 작업은 컨테이너 배열의 dtype을 변경하지 않습니다. 원하는 정규화 된 값은 부동 소수점이므로 in-place 연산을 수행하기 전에 audio및 image배열에 부동 소수점 dtype이 있어야합니다. 아직 부동 소수점 dtype이 아닌 경우을 사용하여 변환해야합니다 astype. 예를 들어

image = image.astype('float64')

---

배열에 양수 데이터와 음수 데이터가 모두 포함되어 있으면 다음을 수행하십시오.

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
c = 255*(a - np.min(a))/np.ptp(a).astype(int)

# Normalised [-1,1]
d = 2.*(a - np.min(a))/np.ptp(a)-1

또한 OP의 질문이 아닌 경우에도 언급 할 가치가 있습니다 .

e = (a - np.mean(a)) / np.std(a)

---

을 사용하여 크기를 조정할 수도 있습니다 sklearn. 장점은 데이터를 평균 중심에 두는 것 외에도 표준 편차를 정규화 할 수 있으며 축, 피처 또는 레코드별로 수행 할 수 있다는 것입니다.

from sklearn.preprocessing import scale
X = scale( X, axis=0, with_mean=True, with_std=True, copy=True )

키워드 인수 axis, with_mean, with_std자기 설명하고, 기본 상태에 표시됩니다. 인수가 copy로 설정되면 작업이 현재 위치에서 수행됩니다 False. 여기에 설명서가 있습니다 .

---

"i"(idiv, imul ..) 버전을 사용할 수 있으며 반 나쁘게 보이지 않습니다.

image /= (image.max()/255.0)

다른 경우에는 열을 기준으로 n 차원 배열을 정규화하는 함수를 작성할 수 있습니다.

def normalize_columns(arr):
    rows, cols = arr.shape
    for col in xrange(cols):
        arr[:,col] /= abs(arr[:,col]).max()

---

간단한 해결책은 sklearn.preprocessing 라이브러리에서 제공하는 스케일러를 사용하는 것입니다.

scaler = sk.MinMaxScaler(feature_range=(0, 250))
scaler = scaler.fit(X)
X_scaled = scaler.transform(X)
# Checking reconstruction
X_rec = scaler.inverse_transform(X_scaled)

오류 X_rec-X는 0입니다. 필요에 따라 feature_range를 조정하거나 standart scaler sk를 사용할 수도 있습니다.

---

audio-1과 +1 image사이, 0과 255 사이 의 값을 최소-최대 스케일하려고합니다 .

를 사용하면 sklearn.preprocessing.minmax_scale문제를 쉽게 해결할 수 있습니다.

예 :

audio_scaled = minmax_scale(audio, feature_range=(-1,1))

과

shape = image.shape
image_scaled = minmax_scale(image.ravel(), feature_range=(0,255)).reshape(shape)

note: Not to be confused with the operation that scales the norm (length) of a vector to a certain value (usually 1), which is also commonly referred to as normalization.

---

I tried following this, and got the error

TypeError: ufunc 'true_divide' output (typecode 'd') could not be coerced to provided output parameter (typecode 'l') according to the casting rule ''same_kind''

The numpy array I was trying to normalize was an integer array. It seems they deprecated type casting in versions > 1.10, and you have to use numpy.true_divide() to resolve that.

arr = np.array(img)
arr = np.true_divide(arr,[255.0],out=None)

img was an PIL.Image object.

참고URL : https://stackoverflow.com/questions/1735025/how-to-normalize-a-numpy-array-to-within-a-certain-range