如何将含正负值的Numpy视频特征数组归一化为仅含正值

嘿，我来帮你搞定这个问题！你手里有个存在.npy文件里的视频特征数组，形状是(15,2048)，既有正值也有负值，想把所有值转成正值，但之前写的代码没起作用是吧？

先说说你之前代码的问题：

Result = np.where(a >= 0, a/np.max(a), -a/np.min(a))

这里的核心bug出在处理负数的分支上——np.min(a)是数组里的最小值，肯定是个负数对吧？那-a（当a是负数时，-a就是正数）除以一个负数，结果又变成负数了！这就导致你处理完之后数组里还是有负值，完全达不到预期效果。

给你几个简单有效的解决方案，按需选择：

方法1：平移至全非负值（最小值为0） #

这是最直接的方式，只需要把所有值减去数组的最小值，这样原来的最小值会变成0，其他所有值自然都是非负的，而且还能完整保留数据的相对差异：

import numpy as np

# 加载你的特征数组
a = np.load("your_video_features.npy")

# 平移数组，使最小值为0
normalized = a - np.min(a)

# 验证结果：检查是否所有值都≥0
print(np.all(normalized >= 0))  # 应该输出True

方法2：归一化至0-1区间（全正值） #

如果除了全正之外，还希望把值缩放到0到1之间，可以在平移后再除以数组的峰峰值（最大值减最小值）：

# 先平移到最小值为0，再缩放到0-1区间
normalized_01 = (a - np.min(a)) / np.ptp(a)

# 验证：所有值在0到1之间
print(np.min(normalized_01), np.max(normalized_01))  # 应该输出0.0和1.0

方法3：绝对值归一化（可选） #

如果你不介意改变数据的符号意义，只是单纯要全正值，也可以直接取绝对值再归一化，但这种方式会抹掉原始数据的正负差异，只保留幅度信息，适合不需要符号特征的场景：

# 取绝对值后缩放到0-1区间
abs_normalized = np.abs(a) / np.max(np.abs(a))

这些方法都能轻松解决你的问题，其中方法1和2是更常用的，因为它们保留了原始数据的相对分布，更适合后续的特征处理任务。

内容的提问来源于stack exchange，提问作者A_B_Y