在NumPy数组标准化中处理零值

Question

我有一个2D向量的numpy数组，我想按照以下方法进行归一化。该数组可能包含大小为零的向量。

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)

我能否使用 nonzero 仅将除法应用于 x[i]，使得 nonzero[i] 为 True？（我可以编写循环来实现此操作 - 只是想知道是否有 numpy 的方法可以完成此操作）

或者，在跳过所有零向量的情况下，是否有更好的规范化向量数组的方法？

- M-V

---

np.linalg.norm有第二个参数axis，您可以使用它来提高速度，如此处所述：https://dev59.com/8msz5IYBdhLWcg3wrJsx#19794741 - 0 _

Answer 1

如果您可以在原地进行归一化，您可以像这样使用布尔索引数组：

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

- Jaime

Answer 2

这是一种可能的实现方式。

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

这里使用np.where进行所需的替换。

注意：在这种情况下，x会被就地修改。

- IanH

---

你比我快了几秒钟！为了原地操作，我认为最好使用布尔索引数组：idx = (norms != 0); x[idx] /= norms[idx] - Jaime

@Jaime - 谢谢！请将其发布为答案，以便我可以给你信用。 - M-V

Answer 3

最简单的方法可能是先进行计算，然后修改结果以符合您的要求：

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

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

- tom10