NumPy Normalisierungsmatrix

In diesem Tutorial wird die Methode zum Normalisieren einer Matrix in Python erläutert.

Matrix normalisieren mit der Methode numpy.linalg.norm() in Python

Die Bibliothek numpy.linalg enthält Methoden zur linearen Algebra in Python. Die Methode norm() innerhalb von numpy.linalg berechnet die Norm einer Matrix. Wir können dann diese Normwerte verwenden, um eine Matrix zu normalisieren. Das folgende Codebeispiel zeigt uns, wie wir mit der Methode norm() innerhalb der Bibliothek numpy.linalg eine Matrix normalisieren können.

import numpy as np

matrix = np.array([[1, 2], [3, 4]])

norms = np.linalg.norm(matrix, axis=1)
print(matrix / norms)

Ausgabe:

[[0.4472136  0.4       ]
 [1.34164079 0.8       ]]

Unsere Matrix haben wir zunächst in Form eines 2D-Arrays mit der Methode np.array() erstellt. Wir haben dann die Norm berechnet und die Ergebnisse im Array norms mit norms = np.linalg.norm(matrix) gespeichert. Am Ende haben wir die matrix durch Division mit den norms normalisiert und die Ergebnisse ausgedruckt.

Die Methode norm() führt eine Operation äquivalent zu np.sqrt(1**2 + 2**2) und np.sqrt(3**2 + 4**2) auf der ersten und zweiten aus and Zeile unserer Matrix bzw. Dann weist es unserem Array norms zwei Werte zu, die [2.23606798 5.0] sind. Die Matrix wird dann normalisiert, indem jede Zeile der matrix durch jedes Element von norms dividiert wird.