如何覆盖NumPy数组行向量？如何无循环归一化NumPy数组行向量？

嗨，刚接触NumPy遇到这种问题很正常，我来帮你一步步解决～

问题一：为什么行向量无法更新？ #

你遇到的问题根源是数组的数据类型！你创建的x是整数类型（int64）的数组，当你把除法得到的浮点数（比如0.6、0.8）赋值给整数数组时，NumPy会自动把浮点数向下取整为整数，所以所有小数都变成了0，最终x的行就全是0了。

解决方法很简单，有两种方式：

• 方式一：创建数组时直接指定浮点类型

  import numpy as np
  # 指定dtype为float64，避免整数截断
  x = np.array([[0, 3, 4] , [1, 6, 4]], dtype=np.float64)
  c = x ** 2
  for i in range(0, len(x)):
      print(x[i]/np.sqrt(c[i].sum())) # 输出 [0. 0.6 0.8]
      x[i] = x[i]/np.sqrt(c[i].sum())
      print(x[i]) # 现在会输出 [0. 0.6 0.8] 啦
  print(x) # 输出 [[0.  0.6 0.8] [0.1 0.6 0.4]]
  

• 方式二：在赋值前把数组转换为浮点类型

  x = np.array([[0, 3, 4] , [1, 6, 4]])
  x = x.astype(np.float64) # 转换为浮点类型
  # 后面的代码和之前一样就行
  

问题二：用NumPy函数替代for循环 #

当然可以！NumPy最擅长的就是向量化操作，完全不需要手动写循环。我们可以利用广播机制，直接对整个数组进行归一化：

import numpy as np
x = np.array([[0, 3, 4] , [1, 6, 4]], dtype=np.float64)
# 计算每行的L2范数，keepdims=True保持维度和原数组一致（变成(2,1)）
row_norms = np.sqrt((x ** 2).sum(axis=1, keepdims=True))
# 直接用广播做除法，每行除以对应的范数
x_normalized = x / row_norms
print(x_normalized)
# 输出：
# [[0.  0.6 0.8]
#  [0.1 0.6 0.4]]

或者更简洁一点，用np.linalg.norm直接计算行范数：

row_norms = np.linalg.norm(x, axis=1, keepdims=True)
x_normalized = x / row_norms

这样一行代码就能完成所有行的归一化，既简洁又高效～

内容的提问来源于stack exchange，提问作者user8391780