[Python] NumPy – ベクトルの長さを1に正規化する方法

pip install numpy

import numpy as np
# リストから配列を作成
array_from_list = np.array([1, 2, 3, 4, 5])
# ゼロ行列を作成
zero_array = np.zeros((2, 3))
# 単位行列を作成
identity_matrix = np.eye(3)
print("リストから作成した配列:", array_from_list)
print("ゼロ行列:\n", zero_array)
print("単位行列:\n", identity_matrix)

リストから作成した配列: [1 2 3 4 5]
ゼロ行列:
 [[0. 0. 0.]
 [0. 0. 0.]]
単位行列:
 [[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]

import numpy as np
# 2つのベクトルを定義
vector_a = np.array([1, 2, 3])
vector_b = np.array([4, 5, 6])
# ベクトルの加算
vector_sum = vector_a + vector_b
# ベクトルの減算
vector_diff = vector_a - vector_b
# スカラー倍
scalar_multiplication = 2 * vector_a
print("ベクトルの加算:", vector_sum)
print("ベクトルの減算:", vector_diff)
print("スカラー倍:", scalar_multiplication)

ベクトルの加算: [5 7 9]
ベクトルの減算: [-3 -3 -3]
スカラー倍: [2 4 6]

import numpy as np
# ベクトルを定義
vector = np.array([3, 4])
# ベクトルのノルムを計算
vector_norm = np.linalg.norm(vector)
print("ベクトルの長さ:", vector_norm)

ベクトルの長さ: 5.0

import numpy as np
# ベクトルを定義
vector = np.array([3, 4])
# ノルムを計算
norm = np.linalg.norm(vector)
print("ベクトルのノルム:", norm)

ベクトルのノルム: 5.0

import numpy as np
# ベクトルを定義
vector = np.array([3, 4])
# ノルムを計算
norm = np.linalg.norm(vector)
# ベクトルをノルムで割る
normalized_vector = vector / norm
print("正規化されたベクトル:", normalized_vector)

正規化されたベクトル: [0.6 0.8]

import numpy as np
# 2次元ベクトルを定義
vector_2d = np.array([1, 2])
# ノルムを計算
norm_2d = np.linalg.norm(vector_2d)
# ベクトルをノルムで割る
normalized_vector_2d = vector_2d / norm_2d
print("2次元ベクトルの正規化:", normalized_vector_2d)

2次元ベクトルの正規化: [0.4472136 0.89442719]

import numpy as np
# 3次元ベクトルを定義
vector_3d = np.array([1, 2, 2])
# ノルムを計算
norm_3d = np.linalg.norm(vector_3d)
# ベクトルをノルムで割る
normalized_vector_3d = vector_3d / norm_3d
print("3次元ベクトルの正規化:", normalized_vector_3d)

3次元ベクトルの正規化: [0.33333333 0.66666667 0.66666667]

import numpy as np
# ゼロベクトルを定義
zero_vector = np.array([0, 0])
# ノルムを計算
norm_zero = np.linalg.norm(zero_vector)
# ゼロベクトルの正規化
if norm_zero == 0:
    normalized_zero_vector = zero_vector  # ゼロベクトルはそのまま
else:
    normalized_zero_vector = zero_vector / norm_zero
print("ゼロベクトルの正規化:", normalized_zero_vector)

ゼロベクトルの正規化: [0 0]

import numpy as np
from sklearn.preprocessing import StandardScaler
# 特徴量データを定義
data = np.array([[1, 2000], [2, 3000], [3, 4000]])
# Zスコア正規化
scaler = StandardScaler()
normalized_data = scaler.fit_transform(data)
print("正規化された特徴量データ:\n", normalized_data)

正規化された特徴量データ:
 [[-1.22474487 -1.22474487]
 [ 0.          0.        ]
 [ 1.22474487  1.22474487]]

import numpy as np
# 力のベクトルを定義
force_vector = np.array([3, 4])
# 単位ベクトルに正規化
unit_vector = force_vector / np.linalg.norm(force_vector)
print("単位ベクトル:", unit_vector)

単位ベクトル: [0.6 0.8]

import numpy as np
# 法線ベクトルを定義
normal_vector = np.array([1, 2, 2])
# 正規化
normalized_normal = normal_vector / np.linalg.norm(normal_vector)
print("正規化された法線ベクトル:", normalized_normal)

正規化された法線ベクトル: [0.33333333 0.66666667 0.66666667]

import numpy as np
# 2つのベクトルを定義
vector_a = np.array([1, 2, 3])
vector_b = np.array([4, 5, 6])
# 正規化
norm_a = vector_a / np.linalg.norm(vector_a)
norm_b = vector_b / np.linalg.norm(vector_b)
# コサイン類似度を計算
cosine_similarity = np.dot(norm_a, norm_b)
print("コサイン類似度:", cosine_similarity)

コサイン類似度: 0.9746318461970762