NumPy数组归一化未得到预期0-1区间结果的实现问题咨询

你当前使用的代码：
result = a - np.mean(a) / np.sqrt(np.sum((a-np.mean(a) ** 2) / (len(a)-1)

• 语法与运算优先级错误
  • 全代码存在多处括号缺失，直接运行会触发语法报错
  • 按照Python运算优先级规则，a - np.mean(a) / np.sqrt(...)会先计算np.mean(a) / 分母，再用数组元素减去这个结果，完全不符合「元素先减均值、再除以标准差」的逻辑
  • 同理，a-np.mean(a) ** 2会先计算np.mean(a) ** 2，再用数组元素减这个均值的平方值，完全不符合「元素减均值后再平方」的方差计算逻辑
• 方法与目标不匹配
  你当前试图实现的是Z-score标准化的残缺版本，这类方法的输出结果是均值为0、标准差为1的序列，取值范围不会落在0-1区间，哪怕修正全部公式错误，也达不到你要的归一化效果。

目标为输出归一化到0-1区间（Min-Max归一化） #

直接使用如下代码即可：
result = (a - a.min()) / (a.max() - a.min())
逻辑说明：

• 数组最小元素计算结果为0
• 数组最大元素计算结果为1
• 其余元素按原始数值的比例落在0-1区间内
• 若数组所有元素值完全相等，分母会为0触发报错，可在分母后加极小值规避：result = (a - a.min()) / (a.max() - a.min() + 1e-8)

若实际需求为Z-score标准化（目标为均值0、方差1，之前的0-1为目标描述错误） #

修正后的完整可运行代码为：
result = (a - np.mean(a)) / np.sqrt(np.sum((a - np.mean(a)) ** 2) / (len(a) - 1))

内容的提问来源于stack exchange，提问作者Badisson Josef