Python中计算3组向量范数及归一化问题求助

我没法正确计算三组向量矩阵的范数并完成归一化。x矩阵中的每个向量对应8个传感器在多组实验中的x坐标，y、z矩阵同理，数据示例如下：

x = [array([ 2.239,  3.981, -8.415, 33.895, 48.237, 52.13 , 60.531, 56.74 ]), array([ 2.372,  6.06 , -3.672,  3.704, -5.926, -2.341, 35.667, 62.097])]

y = [array([  18.308,  -17.83 ,  -22.278,  -99.67 , -121.575, -116.794,-123.132, -127.802]), array([  -3.808,    0.974,   -3.14 ,    6.645,    2.531,    7.312, -129.236, -112.   ])]

z = [array([-1054.728, -1054.928, -1054.928, -1058.128, -1058.928, -1058.928, -1058.928, -1058.928]), array([-1054.559, -1054.559, -1054.559, -1054.559, -1054.559, -1054.559, -1057.959, -1058.059])]

我尝试用以下代码计算范数并归一化：

norm= np.sqrt(np.square(x)+np.square(y)+np.square(z))
x = x/norm
y = y/norm
z = z/norm

但结果明显错误，归一化后计算np.sum(x[0])的结果远不等于1，求正确的解决方法。

核心问题说明 #

你搞错了归一化的目标：单位向量归一化是让每个传感器的三维(x,y,z)向量模长为1，而不是x分量的和为1。另外，直接对数组列表运算容易出现广播维度不匹配的问题，建议先转换成numpy数组再操作。

正确代码实现 #

1. 先将x、y、z的列表转换为numpy二维数组（形状为(实验组数, 传感器数)）：

import numpy as np

x_arr = np.array(x)
y_arr = np.array(y)
z_arr = np.array(z)

2. 计算每个传感器对应实验的三维向量范数：
   需要针对每个(实验i, 传感器j)位置，计算sqrt(x[i,j]² + y[i,j]² + z[i,j]²)，可以用两种方式实现：

# 方式1：手动计算范数
norm = np.sqrt(x_arr**2 + y_arr**2 + z_arr**2)
# 方式2：用numpy内置的范数函数更简洁
norm = np.linalg.norm([x_arr, y_arr, z_arr], axis=0)

3. 执行归一化：
   将每个坐标分量除以对应位置的范数，得到单位向量：

x_norm = x_arr / norm
y_norm = y_arr / norm
z_norm = z_arr / norm

验证正确性 #

验证每个三维向量的模长是否为1，比如取第一组实验的第一个传感器：

test_modulus = np.sqrt(x_norm[0,0]**2 + y_norm[0,0]**2 + z_norm[0,0]**2)
print(test_modulus)  # 输出应接近1（浮点精度误差范围内）

不要用np.sum(x[0])来验证，这不是单位向量的验证标准。

内容的提问来源于stack exchange，提问作者John Cres