实验楼 - Python Numpy 100题实验（九）：几种标准化算法实现

单独把这几道题目拿出来，归为一类吧，都是标准化算法。
本讲的主要内容：

• Z-Score标准化算法
• Min-Max标准化算法
• 应用L2范式标准化数据

使用Z-Score标准化算法对数据进行标准化处理

首先给出Z-Score标准化公式：
$Z=\frac{X-mean(X)}{sd(X)}$

其实知道了公式就好算了，只是对之前的一些计算进行了一个综合

def zscore(a,axis=None):
    amean = np.mean(a, axis=axis,keepdims=True )
    astd = np.std(a, axis=axis, keepdims=True)
    return (a - amean)/astd

a = np.random.randint(1, 10, 10)
print(zscore(a))

输出：

[-0.55418416  1.07576925  0.74977857  1.07576925  0.42378789  1.40175994
 -0.55418416 -1.20616553 -1.20616553 -1.20616553]

使用Min-Max 标准化算法对数据进行标准化处理

公式：
$Y = \frac{Z-min(Z)}{max(Z) - min(Z)}$

还是一样

def minmax(a, axis=None):
    a_min = np.min(a, axis=axis, keepdims=True)
    a_max = np.max(a, axis=axis, keepdims=True)
    return (a - a_min)/(a_max - a_min)

a = np.random.randint(1, 10, (3,3))
print(minmax(a))

输出：

[[0.57142857 0.42857143 1.        ]
 [0.28571429 0.28571429 0.42857143]
 [1.         1.         0.        ]]

使用L2范数对数据进行标准化处理

L2范数的计算公式：
$L_{2} = \sqrt{x_{1}^{2} + x_{2}^{2}+...+x_{i}^{2}}$
根据计算公式写出函数：

def l2_normalize(v, axis=-1, order=2):
    l2 = np.linalg.norm(v, ord=order, axis=axis, keepdims=True)
    l2[l2==0] = 1
    return v/l2

z = np.random.randint(1, 10, (3,3))
print(l2_normalize(z))

输出：

[[0.11547005 0.80829038 0.57735027]
 [0.88345221 0.33129458 0.33129458]
 [0.64465837 0.24174689 0.72524067]]

使用Numpy将实验室LOGO转化所谓Ndarray数组

这是最后一个实验了，实验楼这一波广告。。猝不及防。。

直接附上参考答案好了：

from io import BytesIO
from PIL import Image
import PIL, requests

# 通过链接下载图像
URL = 'https://static.shiyanlou.com/img/logo-black.png'
response = requests.get(URL)

# 将内容读取为图像
I = Image.open(BytesIO(response.content))

# 将图像转换为 Ndarray
shiyanlou = np.asarray(I)
shiyanlou

Numpy100题的实验终于整理完了耶！

完结撒花！

以上~