Нормализовать многомерный массив

Question

У меня есть массив 5x600x16 , пример меньшего аналогичного массива показан ниже. Мне нужно нормализовать значения по столбцам в каждом срезе (из 5 в общей сложности).

tensor([[[9.9771e-01, 6.6219e-02, 8.6409e-03, 1.1918e-05, 2.3837e-05],
         [9.9771e-01, 6.6219e-02, 8.6409e-03, 1.1918e-05, 2.3837e-05]],

        [[9.9525e-01, 9.6969e-02, 7.5091e-03, 1.0301e-05, 3.0902e-05],
         [9.9802e-01, 6.2234e-02, 7.8646e-04, 2.0696e-05, 1.0348e-05]],

        [[9.7093e-01, 2.3617e-01, 3.2587e-02, 0.0000e+00, 0.0000e+00],
         [9.7418e-01, 2.2391e-01, 5.7788e-03, 6.0829e-05, 9.1244e-05]],

        [[9.9781e-01, 6.4524e-02, 1.8817e-03, 1.8268e-05, 0.0000e+00],
         [9.9153e-01, 1.2825e-01, 1.0527e-02, 0.0000e+00, 3.8630e-05]]])

Для целей этого вопроса давайте рассмотрим массив

a = np.array([[[10, 100, 1], [5, 50, .5]], [[10, 1000, 10], [10, 1, 20]]])

Я пытался использовать normalize из PyTorch, но безуспешно

>>>f.normalize(torch.from_numpy(a), p=2, dim=2)
tensor([[[0.0995, 0.9950, 0.0099],
         [0.0995, 0.9950, 0.0099]],

        [[0.0100, 0.9999, 0.0100],
         [0.4468, 0.0447, 0.8935]]], dtype=torch.float64)

и простая функция, которую я создал, с немного большим успехом

def normalize(data):
    return (data - data.mean()) / (data.max() - data.min())

, где я передаю каждый a[...] срез, а затем stack результаты снова вместе.

Есть ли лучший способ правильно нормализовать мои данные, как я описал?

Answer 1

попробуйте это:

import pandas as pd
x =[[[9.9771e-01, 6.6219e-02, 8.6409e-03, 1.1918e-05, 2.3837e-05],
         [9.9771e-01, 6.6219e-02, 8.6409e-03, 1.1918e-05, 2.3837e-05]],

        [[9.9525e-01, 9.6969e-02, 7.5091e-03, 1.0301e-05, 3.0902e-05],
         [9.9802e-01, 6.2234e-02, 7.8646e-04, 2.0696e-05, 1.0348e-05]],

        [[9.7093e-01, 2.3617e-01, 3.2587e-02, 0.0000e+00, 0.0000e+00],
         [9.7418e-01, 2.2391e-01, 5.7788e-03, 6.0829e-05, 9.1244e-05]],

        [[9.9781e-01, 6.4524e-02, 1.8817e-03, 1.8268e-05, 0.0000e+00],
         [9.9153e-01, 1.2825e-01, 1.0527e-02, 0.0000e+00, 3.8630e-05]]]

for b in x:
    df = pd.DataFrame(b).transpose()
    normalized_df=(df-df.min())/(df.max()-df.min())
    print(normalized_df)