axis和 归一化

简单记点笔记 望有用

axis = 0 简单理解为第0轴沿着行垂直往下 

axis = 1 简单理解为沿着列水平延伸

import numpy as np

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18])
# b = np.array(a)
b = ['ghj', '2', '3', ]
# feature_num = len(b)
# 改变数据一维变成二维  行 列
Data = a.reshape(a.shape[0] // len(b), len(b))
print(Data)
# 取出80%
ratio = 0.8
offset = int(Data.shape[0] * ratio)
# 切片取出
training_data = Data[:offset]
print('四行三列')
print(training_data.shape)
maxt, mint = training_data.max(axis=0), training_data.min(axis=0)
print(maxt, mint)
for i in range(len(b)):
    # 因为默认是整数 而我们需要的是归一化管理 打印出来会是0/1 所以转换一下
    Data = Data.astype(float)
    # 全部行  的第i列 012
    Data[:, i] = (Data[:, i] - mint[i]) / (maxt[i] - mint[i])
print('aaa')

print(Data)
training_data = Data[:offset]
test_data = Data[offset:]
print('asdfffg')
print(test_data, training_data)