规范化/标准化 numpy 重新排列

我想知道规范化/标准化 numpy 的最佳方法是什么recarray是。 为了清楚起见，我不是在谈论数学矩阵，而是在谈论一个记录数组，其中还包含例如文本列（例如标签）。

a = np.genfromtxt("iris.csv", delimiter=",", dtype=None)
print a.shape
> (150,)

正如你所看到的，我不能过程a[:,:-1]因为形状是一维的。

我发现最好的方法是迭代所有列：

for nam in a.dtype.names[:-1]:
    col = a[nam]
    a[nam] = (col - col.min()) / (col.max() - col.min())

还有更优雅的方法吗？是否有某种方法，例如“标准化”或“标准化”？

有很多方法可以做到这一点，但有些方法比其他方法更干净。

通常，在 numpy 中，您将字符串数据保存在单独的数组中。

（事情比 R 的数据框架要低一些。通常只需将事情包装在一个类中以进行关联，但将不同的数据类型分开。）

老实说，numpy 并未针对处理此类“灵活”数据类型进行优化（尽管它肯定可以做到）。像pandas http://pandas.pydata.org/index.html为“类似电子表格”的数据提供更好的界面（pandas 只是 numpy 之上的一层）。

但是，结构化数组（这就是您此处所拥有的）将允许您在传递字段名称列表时按列对它们进行切片。 （例如。data[['col1', 'col2', 'col3']])

无论如何，一种方法是执行以下操作：

import numpy as np

data = np.recfromcsv('iris.csv')

# In this case, it's just all but the last, but we could be more general
# This must be a list and not a tuple, though.
float_fields = list(data.dtype.names[:-1])

float_dat = data[float_fields]

# Now we just need to view it as a "regular" 2D array...
float_dat = float_dat.view(np.float).reshape((data.size, -1))

# And we can normalize columns as usual.
normalized = (float_dat - float_dat.min(axis=0)) / float_dat.ptp(axis=0)

然而，这远非理想。如果您想就地执行操作（就像您目前的情况一样），最简单的解决方案就是您已经拥有的：只需迭代字段名称即可。

顺便说一下，使用pandas，你会做这样的事情：

import pandas
data = pandas.read_csv('iris.csv', header=None)

float_dat = data[data.columns[:-1]]
dmin, dmax = float_dat.min(axis=0), float_dat.max(axis=0)

data[data.columns[:-1]] = (float_dat - dmin) / (dmax - dmin)