numpy.ndarray分配问题

Question

我有一个多维数组，其中包含灰度整数值，需要在0到1之间的范围内对其进行规范化。更准确地说，所讨论的多维数组是一个数组，其中每个元素都包含代表特定图像的矩阵，每个矩阵（图像）都包含图像的像素，这些像素的整数值在0到255之间。

下面您可以找到标准化函数，它位于名为myUtils.py的模块中：

def normalize(x, mmin=0.0, mmax=255.0):
    x = (x - mmin )/(mmax - mmin + 10**(-5))

    return x

在主模块中，我以这种方式应用该功能：

trainingSet_Images = myUtils.normalize(trainingSet_Images)

结果正确是具有浮点值的矩阵数组。

但是以这种方式应用normalize函数：

for i in range(len(trainingSet_Images)):
   trainingSet_Images[i] = myUtils.normalize(trainingSet_Images[i])

当我尝试打印trainingSet_Images的任何元素时，结果是一个整数矩阵，填充了零值。似乎python记得矩阵的原始类型，但是，为什么在第一种方式中赋值起作用而在第二种方式中不起作用？

Answer 1

这是因为通过像第二种方法一样分配给数组，执行归一化后得到的dtype（将是float）被向下转换为数组dtpye，因此它得到

地板。这是一个例子：

a = np.array([[255,255,255],[0,255,255]])

normalize(a)
array([[0.99999996, 0.99999996, 0.99999996],
       [0.        , 0.99999996, 0.99999996]])

而在第二种方法中：
normalize(a[1])
# array([0.        , 0.99999996, 0.99999996])

a[1] = normalize(a[1])

a
array([[255, 255, 255],
       [  0,   0,   0]])