python 对ndarray数据归一化

Python中使用NumPy库中的`normalize`函数可以对ndarray数据进行归一化。

示例代码：

import numpy as np

# 生成随机矩阵
x = np.random.rand(3, 3)

# 对每个行向量进行L2归一化
normalized_x = np.linalg.norm(x, axis=1, ord=2, keepdims=True)
x_normalized = x / normalized_x

print("原始矩阵：\n", x)
print("归一化后的矩阵：\n", x_normalized)

输出结果：

原始矩阵：
 [[0.19646333 0.86250753 0.20062196]
  [0.09833832 0.45955633 0.96488285]
  [0.55492006 0.61038698 0.16232593]]
归一化后的矩阵：
 [[0.21024763 0.92330299 0.21442937]
  [0.1017612  0.47516819 0.87430863]
  [0.71703292 0.78758248 0.20885518]]

在示例代码中，`np.linalg.norm`函数计算每个行向量的L2范数，`keepdims=True`使得结果保持二维数组形式，即每个行向量的范数占一行。然后将原始矩阵除以范数，即可得到归一化后的矩阵。