Matrice de normalisation NumPy

Ce tutoriel discutera de la méthode pour normaliser une matrice en Python.

Normaliser la matrice avec la méthode numpy.linalg.norm() en Python

La bibliothèque numpy.linalg contient des méthodes liées à l’algèbre linéaire en Python. La méthode norm() à l’intérieur du numpy.linalg calcule la norme d’une matrice. Nous pouvons ensuite utiliser ces valeurs de norme pour normaliser une matrice. L’exemple de code suivant nous montre comment normaliser une matrice avec la méthode norm() à l’intérieur de la bibliothèque numpy.linalg.

import numpy as np

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

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

Production:

[[0.4472136  0.4       ]
 [1.34164079 0.8       ]]

Nous avons d’abord créé notre matrice sous la forme d’un tableau 2D avec la méthode np.array(). Nous avons ensuite calculé la norme et stocké les résultats dans le tableau norms avec norms = np.linalg.norm(matrix). Au final, nous avons normalisé la matrix en la divisant avec les norms et imprimé les résultats.

La méthode norm() effectue une opération équivalente à np.sqrt(1**2 + 2**2) et np.sqrt(3**2 + 4**2) sur le premier et le deuxième ligne de notre matrice, respectivement. Il alloue ensuite deux valeurs à notre tableau norms, qui sont [2.23606798 5.0]. La matrice est ensuite normalisée en divisant chaque ligne de la matrix par chaque élément de norms.