Python3数值归一化原理与矩阵列处理实现

晚来风

发布时间：2026-10-13 | 3人浏览过

原创

本文详解Python3中一组数值的归一化处理，以1为最大值、0为最小值进行百分比换算。通过求最大最小值差值、减最小值、除以差值三步实现。重点展示利用NumPy对矩阵每列进行归一化的完整代码，包含autoNorm函数实现及示例输出，适用于数据预处理场景。

1、什么是归一化：

归一化是将一组数值（通常大于1）映射到以0为最小值、1为最大值的区间内的过程，其余数据按相对比例进行百分比计算。例如：原始数据为1，2，3，归一化后的结果为：0，0.5，1。

2、归一化步骤：

示例数据：2，4，6

（1）找出这组数中的最小值和最大值，并计算最大值与最小值的差值

min = 2；max = 6；r = max - min = 4

（2）将数组中的每个数都减去最小值

原始数据2，4，6 转换为 0，2，4

（3）再将结果除以差值r

0，2，4 转换为 0，0.5，1

由此得出归一化后的数组

3、用python 把一个矩阵中每列的数字归一化

import numpy as np
 
def autoNorm(data):   #传入一个矩阵
 mins = data.min(0)  #返回data矩阵中每一列中最小的元素，返回一个列表
 maxs = data.max(0)  #返回data矩阵中每一列中最大的元素，返回一个列表
 ranges = maxs - mins #最大值列表 - 最小值列表 = 差值列表
 normData = np.zeros(np.shape(data))  #生成一个与 data矩阵同规格的normData全0矩阵，用于装归一化后的数据
 row = data.shape[0]      #返回 data矩阵的行数
 normData = data - np.tile(mins,(row,1)) #data矩阵每一列数据都减去每一列的最小值
 normData = normData / np.tile(ranges,(row,1)) #data矩阵每一列数据都除去每一列的差值（差值 = 某列的最大值- 某列最小值）
 return normData
 
arr = np.array([[8,7,8],[4,3,1],[6,9,8]])
print(autoNorm(arr))
 
打印结果：
[[ 1.   0.66666667 1.  ]
 [ 0.   0.   0.  ]
 [ 0.5   1.   1.  ]]

以上这篇对python3 一组数值的归一化处理方法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持本站。