numpy逐行划分

Question

如何将numpy数组行除以此行中所有值的总和？

这是一个例子.但我非常确定有一种奇特且更有效的方法:

import numpy as np
e = np.array([[0., 1.],[2., 4.],[1., 5.]])
for row in xrange(e.shape[0]):
    e[row] /= np.sum(e[row])

结果:

array([[ 0.        ,  1.        ],
       [ 0.33333333,  0.66666667],
       [ 0.16666667,  0.83333333]])

Answer 1

方法#1:使用None(或np.newaxis)添加额外的维度,以便广播表现如下:

>>> e
array([[ 0.,  1.],
       [ 2.,  4.],
       [ 1.,  5.]])
>>> e/e.sum(axis=1)[:,None]
array([[ 0.        ,  1.        ],
       [ 0.33333333,  0.66666667],
       [ 0.16666667,  0.83333333]])

方法#2:go transpose-happy:

>>> (e.T/e.sum(axis=1)).T
array([[ 0.        ,  1.        ],
       [ 0.33333333,  0.66666667],
       [ 0.16666667,  0.83333333]])

(axis=如果需要,您可以删除部分以获得简洁.)

方法#3 :(从Jaime的评论中提升)

使用keepdims参数on sum来保留维度:

>>> e/e.sum(axis=1, keepdims=True)
array([[ 0.        ,  1.        ],
       [ 0.33333333,  0.66666667],
       [ 0.16666667,  0.83333333]])

Answer 2

你可以用数学方法做到这一点 .

这里,E是您的原始矩阵,D是一个对角矩阵,其中每个条目是相应行的总和E.如果你有幸拥有一个可逆的东西D,这是一种非常方便的数学方法.

在numpy:

import numpy as np

diagonal_entries = [sum(e[row]) for row in range(e.shape[0])]
D = np.diag(diagonal_entries)
D_inv = np.linalg.inv(D)
e = np.dot(e, D_inv)