代码之家 › 专栏 › 技术社区 › Daniel Zapata

归一化:numpy数组和一个点之间的欧几里得距离

normalization numpy python

Daniel Zapata · 技术社区 · 7 年前

[16.0000 93.0000]
[17.0000 116.0000]
[20.0000 139.0000]
[25.0000 162.0000]
[33.0000 184.0000]
[47.0000 205.0000]
[66.0000 219.0000] ... until 68

new_origin = [112,135]
new_X
for point in X[0][0]:
    new_X.append(point-new_origin)

1 回复 | 直到 7 年前

Eric Duminil 7 年前

>>> import numpy as np
>>> a = np.arange(10).reshape(5,2)
>>> a
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
>>> a[:,0] = a[:,0] - 112
>>> a[:,1] = a[:,1] - 135
>>> a
array([[-112, -134],
       [-110, -132],
       [-108, -130],
       [-106, -128],
       [-104, -126]])

你可以直接用 np.subtract :

>>> np.subtract(a, [112, 135])
array([[-112, -134],
       [-110, -132],
       [-108, -130],
       [-106, -128],
       [-104, -126]])

或者只是:

>>> a - [112, 135]
array([[-112, -134],
       [-110, -132],
       [-108, -130],
       [-106, -128],
       [-104, -126]])

注意,使用numpy,几乎不需要手动迭代每个元素。

推荐文章

Samo PoláÄek · sigmoid和tanh的数据集值分布

6 年前

KOB · 如何应用df。min()和df。max()分布在多个数据帧上

6 年前

Paolo Milini · Python中的标准化/规范化测试数据

7 年前

markzzz · 是否有一个函数来检索范围内可用的不同值的数量?

7 年前

Alastair_V · VLAD矢量表示的功率归一化步骤

7 年前

hphys · 绘图的标准化

7 年前

Daniel Zapata · 归一化:numpy数组和一个点之间的欧几里得距离

7 年前

2milli · 如何在Oracle表中将逗号分隔的值拆分为多行

7 年前

Mei Yi · 在文本视图中突出显示某些文本背景,不区分大小写

7 年前

user4054919 · Spark K-Means通过归一化获得原始簇中心/质心

7 年前