NumPy Normalizza Matrice

Questo tutorial discuterà il metodo per normalizzare una matrice in Python.

Normalizza la matrice con il metodo numpy.linalg.norm() in Python

La libreria numpy.linalg contiene metodi relativi all’algebra lineare in Python. Il metodo norm() all’interno di numpy.linalg calcola la norma di una matrice. Possiamo quindi utilizzare questi valori di norma per normalizzare una matrice. Il seguente esempio di codice ci mostra come possiamo normalizzare una matrice con il metodo norm() all’interno della libreria numpy.linalg.

import numpy as np

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

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

Produzione:

[[0.4472136  0.4       ]
 [1.34164079 0.8       ]]

Per prima cosa abbiamo creato la nostra matrice sotto forma di array 2D con il metodo np.array(). Abbiamo quindi calcolato la norma e memorizzato i risultati all’interno dell’array norms con norms = np.linalg.norm(matrix). Alla fine, abbiamo normalizzato la matrix dividendola con le norms e stampato i risultati.

Il metodo norm() esegue un’operazione equivalente a np.sqrt(1**2 + 2**2) e np.sqrt(3**2 + 4**2) sul primo e sul secondo riga della nostra matrice, rispettivamente. Quindi assegna due valori al nostro array norms, che sono [2.23606798 5.0]. La matrice viene poi normalizzata dividendo ogni riga della matrix per ogni elemento di norms.