如何归一化二维数组？求助27×5数组按最后列归一化的方法

你提到的27×5数组，要把前4组一维序列按最后一组做归一化完全可行，之前用matrix[:,-1]没成功是因为这只是提取了最后一列的数据，并没有完成归一化的运算逻辑。下面分两种常见的归一化场景给你具体实现方案：

场景1：每组数据按最后一组对应位置的元素做缩放 #

这种方式是让每一列的每个元素，除以最后一列对应行的元素（相当于以最后一组的每个位置值为基准做归一化），利用NumPy的广播机制就能轻松实现：

import numpy as np
import matplotlib.pyplot as plt

# 假设你的matrix是(27,5)的NumPy数组
matrix = np.random.rand(27, 5)  # 示例数据，替换成你的真实数据

# 关键：给最后一列增加一个维度，让它能和原数组广播运算
normalized_matrix = matrix / matrix[:,-1, np.newaxis]

# 绘制归一化后的5条曲线
plt.plot(normalized_matrix)
plt.title("Normalized Curves (Scaled by Last Column)")
plt.show()

场景2：用最后一组的全局统计量（min/max）将所有组归一化到[0,1] #

如果你的需求是把所有组都缩放到和最后一组相同的数值范围（即最后一组归一化后是[0,1]，其他组跟着用同样的min和max缩放），代码如下：

import numpy as np
import matplotlib.pyplot as plt

matrix = np.random.rand(27, 5)

# 获取最后一组的最小值和最大值
last_col_min = matrix[:,-1].min()
last_col_max = matrix[:,-1].max()

# 对整个数组做归一化
normalized_matrix = (matrix - last_col_min) / (last_col_max - last_col_min)

plt.plot(normalized_matrix)
plt.title("Normalized Curves (Using Last Column's Min/Max)")
plt.show()

为什么之前的matrix[:,-1]不行？ #

matrix[:,-1]返回的是一个形状为(27,)的一维数组，直接和原数组(27,5)运算会触发广播错误（或者不符合你的预期），所以需要用np.newaxis把它变成(27,1)的二维数组，这样就能和原数组的每一列进行逐元素运算了。

内容的提问来源于stack exchange，提问作者Coolcrab