如何将 NumPy 数组规范化到一定范围内？

Question

在对音频或图像数组进行一些处理后，需要在一个范围内对其进行归一化，然后才能将其写回文件。这可以这样做：

 # 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)

有没有更简洁、方便的功能方法来做到这一点？ matplotlib.colors.Normalize() 似乎没有关系。

原文由 endolith 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

# Normalize audio channels to between -1.0 and +1.0
audio /= np.max(np.abs(audio),axis=0)
# Normalize image to between 0 and 255
image *= (255.0/image.max())

使用 /= 和 *= 可以消除中间临时数组，从而节省一些内存。乘法比除法便宜，所以

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

比

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

由于我们在这里使用基本的 numpy 方法，我认为这是 numpy 中尽可能高效的解决方案。

---

就地操作不会更改容器数组的数据类型。由于所需的归一化值是浮点数，因此 audio 和 image 数组在执行就地操作之前需要具有浮点数据类型。如果它们还不是浮点数据类型，则需要使用 astype 转换它们。例如，

 image = image.astype('float64')

原文由 unutbu 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

如果数组同时包含正数据和负数据，我会选择：

 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为：

 def nan_ptp(a):
    return np.ptp(a[np.isfinite(a)])

b = (a - np.nanmin(a))/nan_ptp(a)

但是，根据您可能希望以不同方式对待 nan 的上下文。例如，插入值，用例如 0 替换 in，或引发错误。

最后，值得一提的是，即使这不是 OP 的问题， 标准化：

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

原文由 user2821 发布，翻译遵循 CC BY-SA 4.0 许可协议