Python如何将带正负的浮点数数组保留符号归一化到指定范围

核心需求 #

将包含正负值的浮点数数组映射到[-5,5]区间，且严格保留原始数值的正负符号，正数映射后仍为正，负数映射后仍为负。

可选实现方案 #

方案1：全局最大绝对值对称缩放（推荐，保留原始数值比例） #

实现逻辑

• 计算数组所有元素的最大绝对值max_abs，以此为基准做等比例对称缩放，天然保留原始符号
• 单元素归一化公式：normalized_x = (x / max_abs) * 5
  • 原始值<0：结果落在[-5, 0)区间
  • 原始值>0：结果落在(0, 5]区间
  • 原始值=0：归一化后仍为0

Python代码示例

import numpy as np

# 示例输入数组
raw_arr = np.array([-23.5, -12.7, -20.6, -11.3, -9.2, -4.5, 2, 8, 11, 15, 17, 21])

# 计算最大绝对值，加极小常数避免全零数组的除零错误
max_abs = np.max(np.abs(raw_arr)) + 1e-8

# 执行归一化
normalized_arr = (raw_arr / max_abs) * 5

print(normalized_arr)

示例输出

[-5.         -2.70212766 -4.38297872 -2.40425532 -1.95744681 -0.95744681
  0.42553191  1.70212766  2.34042553  3.19148936  3.61702128  4.46808511]

方案2：正负分区间独立归一（正负区间均占满上下限） #

实现逻辑

如果需要负数区间完全覆盖[-5,0]、正数区间完全覆盖[0,5]，可以对正负值分别做归一：

• 负数部分：将[最小负值, 0]映射到[-5, 0]，公式：normalized_x = (x / min_negative) * (-5)，min_negative为数组中最小的负数
• 正数部分：将[0, 最大正值]映射到[0,5]，公式：normalized_x = (x / max_positive) * 5，max_positive为数组中最大的正数

Python代码示例

import numpy as np

raw_arr = np.array([-23.5, -12.7, -20.6, -11.3, -9.2, -4.5, 2, 8, 11, 15, 17, 21])
normalized_arr = np.zeros_like(raw_arr)

# 处理负数
neg_mask = raw_arr < 0
if np.any(neg_mask):
    min_neg = np.min(raw_arr[neg_mask])
    normalized_arr[neg_mask] = (raw_arr[neg_mask] / min_neg) * (-5)

# 处理正数
pos_mask = raw_arr > 0
if np.any(pos_mask):
    max_pos = np.max(raw_arr[pos_mask])
    normalized_arr[pos_mask] = (raw_arr[pos_mask] / max_pos) * 5

print(normalized_arr)

示例输出

[-5.         -2.70212766 -4.38297872 -2.40425532 -1.95744681 -0.95744681
  0.47619048  1.9047619   2.61904762  3.57142857  4.04761905  5.        ]

内容的提问来源于stack exchange，提问作者Sina