簡述

用途不用說，很常用

• 對于DataFrame的情況，但是操作卻截然不同。注意對比。
• Pandas.DataFrame按行求百分數（比例數）

問題

• 假設有數據A

>>> A array([[ 0, 1, 2, 3, 4],[ 5, 6, 7, 8, 9],[10, 11, 12, 13, 14],[15, 16, 17, 18, 19]])

變成比例數如何操作？直接除以行求和？

>>> A / A.sum(axis=1) Traceback (most recent call last):File "<stdin>", line 1, in <module> ValueError: operands could not be broadcast together with shapes (4,5) (4,)

解決辦法

• numpy一般來說，只做對應位的操作，或者是數值（其實理解為長度為一的向量會更加準確）和向量的操作。
• 因此需要用np.newaxis操作來將numpy.array變成一樣的shape

>>> A / A.sum(axis=1)[:, np.newaxis] array([[0. , 0.1 , 0.2 , 0.3 , 0.4 ],[0.14285714, 0.17142857, 0.2 , 0.22857143, 0.25714286],[0.16666667, 0.18333333, 0.2 , 0.21666667, 0.23333333],[0.17647059, 0.18823529, 0.2 , 0.21176471, 0.22352941]])

• A.sum(axis=1)[:, np.newaxis] 是什么？就是復制了很多遍的向量而已

>>> A.sum(axis=1) array([10, 35, 60, 85]) >>> A.sum(axis=1)[:, np.newaxis] array([[10],[35],[60],[85]])

總結

以上是生活随笔為你收集整理的Numpy.array矩阵百分制化（比例化）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。