如何单独修改2D numpy数组的行 按行均值归一化后原数组未更新

问题根源 #

• 你代码中的i是遍历2D数组时生成的临时变量，直接执行i = i / np.mean(i)只是让i指向了新生成的归一化数组，没有对baseline字典里存储的原2D数组做修改，所以外层遍历字典时看不到更新。
• 只有对原数组的指定位置执行原位赋值操作，才会修改原数组的实际存储内容。

额外优化提示：遍历items时已经拿到了数组对象value，不需要再通过baseline[str(key)]重复查找取值。

修正后的代码 #

写法1：保留行循环逻辑（仅修复赋值问题） #

通过索引定位到原数组的对应行，直接原位赋值：

for key, value in sorted(baseline.items()): 
    for row_idx in range(value.shape[0]):
        value[row_idx] = value[row_idx] / np.mean(value[row_idx])

写法2：numpy向量化实现（更高性能） #

无需逐行写Python循环，利用numpy的广播特性直接完成整组的行归一化，大数组下性能提升明显：

for key, value in sorted(baseline.items()):
    # axis=1 按行求均值，keepdims=True 保持维度匹配广播规则
    value /= value.mean(axis=1, keepdims=True)

补充注意：如果你的数据存在行均值为0的情况，建议先做异常值过滤，避免出现除0得到inf的问题。

内容的提问来源于stack exchange，提问作者Eric Teboul