在numpy数组规范化中处理零

Question

我有一个numpy数组的2D向量，我试图将其标准化如下。 该阵列可以具有幅度为零的向量。

x = np.array([[0.0, 0.0], [1.0, 0.0]])
norms = np.array([np.linalg.norm(a) for a in x])

>>> x/norms
array([[ nan,   0.],
       [ inf,   0.]])

>>> nonzero = norms > 0.0
>>> nonzero
array([False,  True], dtype=bool)

我可以以某种方式使用nonzero来仅将除法应用于x[i] ，使nonzero[i]为True吗？ （我可以为此写一个循环 - 只是想知道这是否有一种简单的方法）

或者是否有更好的方法来规范化矢量数组，在过程中跳过所有零矢量？

Answer 1

如果你可以在适当的位置进行规范化，你可以使用你的布尔索引数组，如下所示：

nonzero = norms > 0
x[nonzero] /= norms[nonzero]

Answer 2

这是一种可行的方法

norms = np.sqrt((x**2).sum(axis=1,keepdims=True))
x[:] = np.where(norms!=0,x/norms,0.)

这使用np.where来进行你需要的替换。

注意：在这种情况下，x被修改到位。

Answer 3

这可能是最容易进行计算，然后将结果修改为您想要的结果：

y = x/norms
y[np.isnan(y) | np.isinf(y)]=0

#y = array([[ 0.,  0.],
#       [ 0.,  0.]])