Ich glaube nicht, dass das ist, was Sie versuchen zu tun.
Lassen Sie uns sagen, dass wir ein Array wie dieses:
In [2]: x = np.arange(25).reshape((5, 5))
In [3]: x
Out[3]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19],
[20, 21, 22, 23, 24]])
x.mean(axis=0)
berechnet den Mittelwert für jede Spalte (Achse 0):
In [4]: x.mean(axis=0)
Out[4]: array([ 10., 11., 12., 13., 14.])
von unserem ursprünglichen x
Array subtrahiert wird, wird jeder Wert subtrahiert der Mittelwert seiner Spalte:
In [5]: x - x.mean(axis=0)
Out[5]:
array([[-10., -10., -10., -10., -10.],
[ -5., -5., -5., -5., -5.],
[ 0., 0., 0., 0., 0.],
[ 5., 5., 5., 5., 5.],
[ 10., 10., 10., 10., 10.]])
Wenn wir keine Achse fürangeben, das gesamte Array genommen wird:
In [6]: x.mean(axis=None)
Out[6]: 12.0
Dies ist, was Sie da für beide np.std
und np.mean
mit x.std()
der ganzen Zeit tun, habe ist die Standardachse None
.
Dies könnte das sein, was Sie wollen:
In [7]: x - x.mean()
Out[7]:
array([[-12., -11., -10., -9., -8.],
[ -7., -6., -5., -4., -3.],
[ -2., -1., 0., 1., 2.],
[ 3., 4., 5., 6., 7.],
[ 8., 9., 10., 11., 12.]])
In [8]: (x - x.mean())/x.std()
Out[8]:
array([[-1.6641005, -1.5254255, -1.3867504, -1.2480754, -1.1094003],
[-0.9707253, -0.8320502, -0.6933752, -0.5547002, -0.4160251],
[-0.2773501, -0.1386750, 0. , 0.1386750, 0.2773501],
[ 0.4160251, 0.5547002, 0.6933752, 0.8320502, 0.9707253],
[ 1.1094003, 1.2480754, 1.3867504, 1.5254255, 1.6641005]])
Was ist 'x's Form? Ist es das zweidimensionale Bild? – Finwood
Wenn x ein numerisches 2D-Array ist, sollte diese Operation funktionieren. Wie sich das auf Bilder bezieht, ist eine andere Frage. – roadrunner66
Machen Sie es konsistenter (x - x.mean (Achse = 0))/x.std() – Hun