如何将两个采样向量的所有数值重映射到[-1, 1]区间范围内

通用映射公式 #

所有任意范围的数值向量要映射到[-1,1]区间，都可以用变形的Min-Max归一化方法，公式如下：
归一化后数值 = 2 * (原始数值 - 向量最小值) / (向量最大值 - 向量最小值) - 1

• 计算逻辑是先把原始数值映射到[0,1]区间，再通过线性变换拉伸到[-1,1]区间
• 遇到向量所有数值完全相同的极端情况，可统一映射为0，避免除以0报错

针对你给出的两个向量的计算 #

采样向量1（取值范围[-0.8, 0.8]） #

代入参数到通用公式，可简化得到直接计算式：归一化后数值 = 原始数值 / 0.8

• 原向量样例：[ -0.8, 0.7 , -0.23, 0.56, 0.456, -0.344, -0.75, 0.8]
• 映射后结果：[-1.0, 0.875, -0.2875, 0.7, 0.57, -0.43, -0.9375, 1.0]

采样向量2（取值范围[0.2, 0.3]） #

代入参数到通用公式，可简化得到直接计算式：归一化后数值 = 20 * 原始数值 - 5

• 原向量样例：[ 0.2, 0.23, 0.21, 0.29, 0.26, 0.25, 0.3]
• 映射后结果：[-1.0, -0.4, -0.8, 0.8, 0.2, 0.0, 1.0]

通用代码实现（Python版本） #

def remap_to_minus1_1(input_vector):
    vec_min = min(input_vector)
    vec_max = max(input_vector)
    # 处理所有元素相同的极端场景
    if vec_max == vec_min:
        return [0.0 for _ in input_vector]
    return [2 * (x - vec_min) / (vec_max - vec_min) - 1 for x in input_vector]

# 测试样例
if __name__ == "__main__":
    vector1 = [-0.8, 0.7 , -0.23, 0.56, 0.456, -0.344, -0.75, 0.8]
    vector2 = [0.2, 0.23,  0.21,  0.29, 0.26, 0.25, 0.3]
    print(remap_to_minus1_1(vector1))
    print(remap_to_minus1_1(vector2))

内容的提问来源于stack exchange，提问作者coderide