Numpy.array矩阵百分制化（比例化）

简述

用途不用说，很常用

• 对于DataFrame的情况，但是操作却截然不同。注意对比。
• Pandas.DataFrame按行求百分数（比例数）

问题

• 假设有数据A

>>> A array([[ 0, 1, 2, 3, 4],[ 5, 6, 7, 8, 9],[10, 11, 12, 13, 14],[15, 16, 17, 18, 19]])

变成比例数如何操作？直接除以行求和？

>>> A / A.sum(axis=1) Traceback (most recent call last):File "<stdin>", line 1, in <module> ValueError: operands could not be broadcast together with shapes (4,5) (4,)

解决办法

• numpy一般来说，只做对应位的操作，或者是数值（其实理解为长度为一的向量会更加准确）和向量的操作。
• 因此需要用np.newaxis操作来将numpy.array变成一样的shape

>>> A / A.sum(axis=1)[:, np.newaxis] array([[0. , 0.1 , 0.2 , 0.3 , 0.4 ],[0.14285714, 0.17142857, 0.2 , 0.22857143, 0.25714286],[0.16666667, 0.18333333, 0.2 , 0.21666667, 0.23333333],[0.17647059, 0.18823529, 0.2 , 0.21176471, 0.22352941]])

• A.sum(axis=1)[:, np.newaxis] 是什么？就是复制了很多遍的向量而已

>>> A.sum(axis=1) array([10, 35, 60, 85]) >>> A.sum(axis=1)[:, np.newaxis] array([[10],[35],[60],[85]])

总结

以上是生活随笔为你收集整理的Numpy.array矩阵百分制化（比例化）的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。