Numpy.array矩阵百分制化（比例化）

简述

用途不用说，很常用

• 对于DataFrame的情况，但是操作却截然不同。注意对比。
• Pandas.DataFrame按行求百分数（比例数）

问题

• 假设有数据A

>>> A
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])

变成比例数如何操作？直接除以行求和？

>>> A / A.sum(axis=1)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (4,5) (4,)

解决办法

• numpy一般来说，只做对应位的操作，或者是数值（其实理解为长度为一的向量会更加准确）和向量的操作。
• 因此需要用np.newaxis操作来将numpy.array变成一样的shape

>>> A / A.sum(axis=1)[:, np.newaxis]
array([[0.        , 0.1       , 0.2       , 0.3       , 0.4       ],
       [0.14285714, 0.17142857, 0.2       , 0.22857143, 0.25714286],
       [0.16666667, 0.18333333, 0.2       , 0.21666667, 0.23333333],
       [0.17647059, 0.18823529, 0.2       , 0.21176471, 0.22352941]])

• A.sum(axis=1)[:, np.newaxis] 是什么？就是复制了很多遍的向量而已

>>> A.sum(axis=1)
array([10, 35, 60, 85])
>>> A.sum(axis=1)[:, np.newaxis]
array([[10],
       [35],
       [60],
       [85]])