Python：将二维数组的每一行缩放为总和为 1 的值。每行包含一些负值

Question

假设我有一个数组：

myArray = [[-1.58, -1.09, -0.41,  0.22, -0.95],
          [-1.16, -1.27, -1.89, -1.01,  1.11],
          [-0.73, -0.81, -0.47, -0.46, -0.04],
          [-1.46, -0.82,  0.40, -0.22, -1.82],
          [-1.12 , -0.97, -0.89, -0.18,  0.06]]

我希望将此数组的每一行转换为每行总和为 1 的值。

这容易实现吗？

我的实际数组有几千行，所以我想要一个尽可能优化的解决方案。非常感谢！

我意识到我不清楚。我希望结果值为 positive 并且 sum 为 1。对不起。

我可以给你一个使用正值的样本（最后是总数）：

行 1 1.10 2.20 3.30 4.40 5.50（总计 = 16.50）
行 2 2.20 3.30 4.40 5.50 6.60（总计 = 22.00）
第 3 行 4.20 5.01 2.50 3.30 1.10（总计 = 16.11）

到（最后还是总数）::

行 1 0.07 0.13 0.20 0.27 0.33（总计 = 1.00）
行 2 0.10 0.15 0.20 0.25 0.30（总计 = 1.00）
第 3 行 0.26 0.31 0.16 0.20 0.07（总计 = 1.00）

我通过简单地添加一行，然后将每行中的每个单元格除以该行的总数来实现这一点。我不知道如何在 python 中使用负值数组实现此目的。

Answer 1

是你要的吗：

myArray = [[-1.58, -1.09, -0.41, 0.22, -0.95], 
[-1.16, -1.27, -1.89, -1.01, 1.11], 
[-0.73, -0.81, -0.47, -0.46, -0.04], 
[-1.46, -0.82, 0.40, -0.22, -1.82], 
[-1.12 , -0.97, -0.89, -0.18, 0.06]] 


print [sum(_list) for _list in myArray]

?

[-3.8099999999999996, -4.219999999999999, -2.51, -3.92, -3.1]

Answer 2

首先使用min-max归一化对原始数据进行变换，这可能是一种方法：

myArray = [[-1.58, -1.09, -0.41, 0.22, -0.95], 
[-1.16, -1.27, -1.89, -1.01, 1.11], 
[-0.73, -0.81, -0.47, -0.46, -0.04], 
[-1.46, -0.82, 0.40, -0.22, -1.82], 
[-1.12 , -0.97, -0.89, -0.18, 0.06]]

#Transform data
normalizedArray = []

for row in range(0, len(myArray)):
    list = []
    Min =  min(myArray[row])
    Max = max(myArray[row])

    for element in myArray[row]:
        list.append(  float(element-Min)/float(Max- Min) )

    normalizedArray.append(list)

#Normalize to 1
newArray = []

for row in range(0, len(normalizedArray)):
    list = [x / sum(normalizedArray[row]) for x in normalizedArray[row]]
    newArray.append(list)

Answer 3

正如我所说，我不认为你能完全达到你的需要（因为如果你混合了正值和负值，你总是会混合正值和负值的比例行总和的值）。但我认为这已经很接近了。

import numpy as np

myArray = [[-1.58, -1.09, -0.41, 0.22, -0.95], 
[-1.16, -1.27, -1.89, -1.01, 1.11], 
[-0.73, -0.81, -0.47, -0.46, -0.04], 
[-1.46, -0.82, 0.40, -0.22, -1.82], 
[-1.12 , -0.97, -0.89, -0.18, 0.06]]

new_array = abs(np.asarray(new_array))

ratio_array = np.divide(new_array, new_array.sum(axis=1))

编辑：我使用了 %timeit，numpy 方法比上面的循环方法快 10 倍。

new_array = np.asarray(myArray)

transformed_array = new_array + (np.min(new_array, axis=1) * -1)[:, None]

ratio_matrix = transformed_array / np.sum(transformed_array, axis=1)[:, None]

Answer 4

这是一个工作示例：

data = [[-1.58, -1.09, -0.41, 0.22, -0.95],
        [-1.16, -1.27, -1.89, -1.01, 1.11],
        [-0.73, -0.81, -0.47, -0.46, -0.04],
        [-1.46, -0.82, 0.40, -0.22, -1.82],
        [-1.12, -0.97, -0.89, -0.18, 0.06]]


print[[x / sum(data[r]) for x in data[r]] for r in range(0, len(data))]

Python：将二维数组的每一行缩放为总和为 1 的值。每行包含一些负值

Python: Scale each row of 2d array to values that sum to 1. Each row contains some negative values

python

probability

multidimensional-array