Normalize 2D Numpy Array: Zero Mean Unit Variance

Question

У меня есть массив 2D Numpy, в котором я хочу нормализовать каждый столбец до нулевого среднего и единичной дисперсии. Поскольку я в основном используется для C++, метод, которым я занимаюсь, состоит в том, чтобы использовать циклы для итерации по элементам в столбце и выполнять необходимые операции, а затем повторять это для всех столбцов. Я хотел знать о питоническом способе сделать это.

Позвольте class_input_data быть моим 2D-массивом. Я могу получить столбец означает, как:

column_mean = numpy.sum(class_input_data, axis = 0)/class_input_data.shape[0] 

я затем вычесть среднее из всех колонок:

class_input_data = class_input_data - column_mean 

В настоящем время, данные должна быть нулевым среднее. Тем не менее, значение:

numpy.sum(class_input_data, axis = 0) 

не равен 0, то это означает, что я сделал что-то неправильно в моей нормализации. By не равно 0, я не имею в виду очень маленькие числа, которые можно отнести к неточностям с плавающей запятой.

Answer 1

Что-то вроде:

import numpy as np 

eg_array = 5 + (np.random.randn(10, 10) * 2) 
normed = (eg_array - eg_array.mean(axis=0))/eg_array.std(axis=0) 

normed.mean(axis=0) 
Out[14]: 
array([ 1.16573418e-16, -7.77156117e-17, -1.77635684e-16, 
     9.43689571e-17, -2.22044605e-17, -6.09234885e-16, 
     -2.22044605e-16, -4.44089210e-17, -7.10542736e-16, 
     4.21884749e-16]) 

normed.std(axis=0) 
Out[15]: array([ 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])