給定一個數組，將各列（行）歸一化（縮放到 [0,1] ）

方法一

import numpy as np

x = np.array([[1000,  10,   0.5],
              [ 765,   5,  0.35],
              [ 800,   7,  0.09]])

x_normed = x / x.max(axis=0)

print(x_normed)
# [[ 1.     1.     1.   ]
#  [ 0.765  0.5    0.7  ]
#  [ 0.8    0.7    0.18 ]]

x.max(axis=0) 在第0維上取最大值（即每行），返回一個行向量（ncols,），包含每列的最大值，然後可以用x來除以這個向量，這樣每一列的最大值就會被縮放到1。

如何確定axis的值，只需要記住axis賦值的維度是要被壓縮的維度，如果要得到各列的最大值，需要壓縮行這個維度。

方法二

from sklearn.preprocessing import normalize
data = np.array([
    [1000, 10, 0.5],
    [765, 5, 0.35],
    [800, 7, 0.09], ])
data = normalize(data, axis=0, norm='max')
print(data)
>>[[ 1.     1.     1.   ]
[ 0.765  0.5    0.7  ]
[ 0.8    0.7    0.18 ]]
 

 使用 sklearn.preprocessing