如何将NumPy数组标准化到一定范围内？

Question

在对音频或图像阵列进行一些处理之后，需要先在一定范围内对其进行标准化，然后才能将其写回到文件中。可以这样完成：

# Normalize audio channels to between -1.0 and +1.0
audio[:,0] = audio[:,0]/abs(audio[:,0]).max()
audio[:,1] = audio[:,1]/abs(audio[:,1]).max()

# Normalize image to between 0 and 255
image = image/(image.max()/255.0)

有没有那么繁琐，方便的函数来做到这一点？matplotlib.colors.Normalize()似乎无关。

Answer 1

audio /= np.max(np.abs(audio),axis=0)
image *= (255.0/image.max())

使用/=和*=可以消除中间的临时阵列，从而节省了一些内存。乘法比除法便宜，所以

image *= 255.0/image.max()    # Uses 1 division and image.size multiplications

比…快一点

image /= image.max()/255.0    # Uses 1+image.size divisions

由于我们在这里使用基本的numpy方法，因此我认为这是尽可能有效的numpy解决方案。

---

就地操作不会更改容器数组的dtype。由于所需的标准化值是浮点型，因此在执行就地操作之前，audioandimage数组需要具有浮点数dtype。如果它们还不是浮点dtype，则需要使用进行转换astype。例如，

image = image.astype('float64')