[英]Dealing with zeros in numpy array normalization
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?
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]
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。
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.]])
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.