python - numpy逐行总和

Question

如何将 numpy 数组行除以该行中所有值的总和？

这是一个例子。但我很确定有一种花哨且更有效的方法来做到这一点：

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，以便广播将表现：

>>> 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：转置快乐：

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

（如果您愿意，可以删除该axis=部分以简洁明了。）

方法#3：（从 Jaime 的评论中提升）

使用keepdims参数 onsum保留维度：

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

Answer 2

你可以在数学上做到这一点。

在这里，E是您的原始矩阵，并且D是一个对角矩阵，其中每个条目是 中相应行的总和E。如果你有幸拥有一个 invertible D，这是一种在数学上非常方便的做事方式。

在 numpy 中：

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)

Answer 3

您还可以使用 numpy 的 reshape 方法，如下所示：

e = np.array([[0., 1.],[2., 4.],[1., 5.]])
e/=np.sum(e, axis=1).reshape(-1,1)
e

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