Método Numpy Normalize

Python Programming Language facilitó la vida de los programadores con sus útiles bibliotecas. El Numpy es una biblioteca de código abierto utilizada con matrices y una biblioteca más común para realizar cualquier tipo de cálculo numérico. Numpy significa Python numérico, lo que significa que todos los tipos de cálculo numérico se pueden realizar utilizando las funciones de la biblioteca Numpy. Proporciona el método de normalización para normalizar matrices, vectores y todo. Este artículo explorará el método Numpy Normalize en los programas de Python. Al usar algunos ejemplos simples y fáciles, demostraremos cómo normalizar los datos dados utilizando el método de normalización numpy.

¿Cuál es el método Numpy Normalize??

Los científicos de datos y los analistas de datos son muy conscientes de la normalización de los datos. La normalización de los datos es un proceso de ajuste de datos de varias escalas a una escala común. Simplemente, la normalización es el proceso de escalar una serie de datos sobre el rango deseado. Numpy es una de las bibliotecas matemáticas más poderosas proporcionadas en el lenguaje de programación de tu pitón. Ofrece el método de normalización para normalizar la lista de datos dada. Ahora aprendamos cómo usar el método Numpy Normalize en los programas de Python.

Ejemplo 1

Este primer ejemplo es simple y básico y diseñado para todo tipo de desarrolladores, yo.mi., novatos y expertos. Aquí usaremos el Numpy.linalg.norma () función para normalizar un vector. El código de referencia se proporciona a continuación para su guía, eche un vistazo.

importar numpy como npy
npy.aleatorio.semilla (5)
ary = npy.aleatorio.Rand (20)
v_norm = npy.linalg.Norma (ary)
imprimir ("El vector normalizado es =", v_norm)

El programa comenzó con la importación de la biblioteca Numpy en el programa con la declaración "Importar numpy as npy". La variable NPY representará la biblioteca Numpy en todo el programa y se utilizará para llamar a la función Norm () en el programa. La función Seed () se usa para inicializar el generador de números aleatorios con 5. El npy.aleatorio.La declaración de semillas (5) inicializará la función aleatoria () para generar un número aleatorio.

Después de eso, el NPY.aleatorio.La declaración RAND (20) se usa para hacer una matriz de 20 números aleatorios. La matriz calculada ha pasado a la función de norma () para normalizarla usando el NPY.linalg.Declaración de normas (ary). La instrucción print () es útil para mostrar cualquier salida en la pantalla, por lo que la usamos para mostrar el valor vectorial normalizado de la matriz calculada. A continuación se muestra la salida:

Ejemplo 2

Aparte de la función Norm (), tenemos un método normalizado proporcionado por la biblioteca Sklearn. En este ejemplo, utilizaremos el método normalizar para normalizar los datos dados. El ejemplo de referencia se proporciona a continuación para ayudarlo a comprender cómo usar el método Normalize proporcionado por la biblioteca Sklearn para normalizar un vector:

importar numpy como npy
de Sklearn.Importación de preprocesamiento Normalizar
npy.aleatorio.semilla (5)
ary = npy.aleatorio.Rand (10).remodelar (2,5)
v_norm = normalize (arr)
imprimir ("El vector normalizado es = \ n", v_norm)

Aquí, la biblioteca Numpy se importa al programa utilizando la declaración "Importar numpy as npy". Después de eso, la Biblioteca Sklearn se importa al programa con "De Sklearn.preprocesamiento de importación normalizar ”instrucción. La función de semilla (5) se usa para inicializar la función aleatoria () y.La función RAND (10) se usa para generar 10 números aleatorios.

Si se da cuenta, utilizamos la declaración de remodelación (2,5) para remodelar la matriz en 2-D. Entonces, cuando ejecutamos el NPY.aleatorio.Rand (10).Retención de remodelación (2, 5), se generarán 20 números aleatorios, cada dimensión de matriz que contiene 10 elementos. La matriz 2-D calculada se pasa a la función normalize () para obtener el resultado normalizado de ella. Usando la instrucción print (), se muestra la matriz normalizada de 20 elementos. Consulte la salida del programa a continuación:

Ejemplo 3

Anteriormente, hemos aprendido a normalizar los vectores usando las funciones norma () y normalizar (). Este ejemplo le hará aprender cómo normalizar una matriz usando la función Norm (). El código de referencia se proporciona en la captura de pantalla a continuación:

importar numpy como npy
a = npy.Array ([3, 2, 6, 4, 8, 9])
B = NPY.linalg.norma (a)
imprimir ('La matriz es = \ n', a)
imprimir ('\ nthe valor normalizado es =', b)
N = A/B
Imprimir ('\ nthe normalizado la matriz es = \ n', n)

La biblioteca Numpy se importa al programa para que podamos usar la función Norm () asociada con ella. Se declara una matriz "A" utilizando el NPY.función array () que contiene 6 elementos. La matriz "a" se pasa a la linalg.Norm () función para realizar la normalización. Utilizamos tres declaraciones print (), la primera instrucción print () se usa para mostrar la matriz original, la segunda instrucción print () se usa para mostrar el valor normalizado de la matriz y finalmente, la tercera instrucción impresa () se usa Para mostrar la matriz normalizada. La salida es la siguiente:

Ejemplo 4

En este ejemplo, normalizaremos la misma matriz con el método normalizar de la biblioteca sklearn. El código de referencia se proporciona a continuación para su comprensión:

importar numpy como npy
de Sklearn.Importación de preprocesamiento Normalizar
a = npy.Array ([3, 2, 6, 4, 8, 9])*5
b = normalizar (a [:, npy.NewAxis], axis = 0)
imprimir ('La matriz normalizada es = \ n', b)

Primero, las bibliotecas Numpy y Sklearn se importan para usar el método Array () y normalizar en el programa. La matriz declarada se pasa a la función normalize () para realizar la normalización, y el comando print () se usa para mostrar el resultado normalizado. Vea la salida generada a continuación:

Ejemplo 5

La forma en que normalizamos la matriz 1-D, la matriz 2-D también se puede normalizar utilizando el mismo proceso. Todas las matrices dimensionales se pueden normalizar utilizando las funciones de la biblioteca Numpy. En este ejemplo, una matriz 2-D se normaliza usando la función Norm (). Consulte el código de referencia dado en la captura de pantalla a continuación:

importar numpy como npy
a = npy.Array ([[3, 2, 6], [4, 8, 9]])
B = NPY.linalg.norma (a)
imprimir ('La matriz es = \ n', a)
imprimir ('\ nthe valor normalizado es =', b)
N = A/B
Imprimir ('\ nthe normalizado la matriz es = \ n', n)

Como puede notar, utilizamos el mismo código y proceso que lo hicimos en los ejemplos anteriores. Cambiamos la matriz de 1-D a 2-D. Notará en la salida a continuación que la función norma () maneja la matriz dada de la misma manera que se proporciona. Si la matriz dada es 1-D, los datos normalizados resultantes estarán en 1-D. Pero si la matriz dada es 2-D o 3-D, o N-D, entonces la salida normalizada resultante será 2-D o 3-D, o N-D. La siguiente es la salida de la función Norm ():

Ejemplo 6

Este ejemplo usará la función Normalize () de la biblioteca Sklearn para normalizar la matriz 2-D. Tenga en cuenta que el código es el mismo; Solo los datos de entrada son una matriz 2-D. Consulte el código de referencia que se proporciona a continuación:

importar numpy como npy
a = npy.Array ([[3, 2, 6], [4, 8, 9]])
b = normalizar (a)
imprimir ('La matriz es = \ n', a)
imprimir ('\ nthe valor normalizado es =', b)
N = A/B
Imprimir ('\ nthe normalizado la matriz es = \ n', n)

Nuevamente, la función normalizada le da a la matriz normalizada de la misma manera que se da la entrada. A continuación se muestra el resultado del código:

Conclusión

Tuvimos un recorrido rápido por el método Numpy Normalize en este artículo. El concepto de normalización es el proceso de escalar los datos dados en la serie deseada. En este artículo, exploramos el método Numpy Normalize junto con el método Sklearn Normalize. Con la ayuda de ejemplos, aprendemos cómo usar las funciones norma () y normalizar () en los programas de Python.