本文不讲归一化原理，只介绍实现（事实上看了代码就会懂原理），代码如下：
def Normalize(data): m = np.mean(data) mx = max(data) mn = min(data) return [(float(i) - m) / (mx - mn) for i in data]
代码只有5行并不复杂，但是需要注意的一点是一定要将计算的均值以及矩阵的最大、最小值存为变量放到循环里，如果直接在循环里计算对应的值会造成归一化特别慢，笔者之前有过深切的酸爽体验….
以上这篇浅谈利用numpy对矩阵进行归一化处理的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。