使用Python将一组向量规格至指定范围

在Python中，如果你有一组向量（通常是numpy数组或者其他支持数组操作的数据结构），并希望将它们的值规格化到某个特定的范围，比如0到1之间，你可以使用`min-max scaling`或者`z-score normalization`这样的方法。这里是一个简单的例子：

import numpy as np

def normalize_to_range(vector, min_val=0, max_val=1):
    """
    将向量的值规格化到[min_val, max_val]范围
    :param vector: 输入的向量
    :param min_val: 规格化的最小值，默认为0
    :param max_val: 规格化的最大值，默认为1
    :return: 规格化后的向量
    """
    scaled_vector = (vector - vector.min()) / (vector.max() - vector.min())
    return scaled_vector * (max_val - min_val) + min_val

# 示例向量
example_vectors = np.array([[5, 10], [20, 30]])
normalized_example = normalize_to_range(example_vectors)

print("Original vectors:", example_vectors)
print("Normalized vectors:", normalized_example)

在这个例子中，`normalize_to_range`函数会首先计算输入向量的最小值和最大值，然后使用这些值来将每个元素映射到新的范围内。