Comment normaliser chaque ligne d'un tableau en pourcentages avec numpy ?

Normaliser chaque ligne d'un tableau en pourcentages avec numpy, également connu sous le nom de normalisation par ligne, peut être réalisé en divisant chaque élément du tableau par la somme de tous les éléments de cette ligne particulière :

Considérons l'exemple suivant.

import numpy as np

np.random.seed(42)

data = np.random.random_sample((6, 2)) * 10

donne

    array([[3.74540119, 9.50714306],
           [7.31993942, 5.98658484],
           [1.5601864 , 1.5599452 ],
           [0.58083612, 8.66176146],
           [6.01115012, 7.08072578],
           [0.20584494, 9.69909852]])

Notre objectif est de normaliser chaque ligne et de calculer le pourcentage.

"broadcasting method"

row_sums = data.sum(axis=1)
data_new = data / row_sums[:, np.newaxis

donne

array([[0.28261752, 0.71738248],
       [0.55010153, 0.44989847],
       [0.50003865, 0.49996135],
       [0.06284339, 0.93715661],
       [0.45915117, 0.54084883],
       [0.02078204, 0.97921796]])

Pour obtenir un pourcentage, il suffit de multiplier chaque ligne par 100 :

row_sums = data.sum(axis=1)
data_new = data / row_sums[:, np.newaxis] * 100

donne

    array([[28.26175199, 71.73824801],
           [55.01015348, 44.98984652],
           [50.00386524, 49.99613476],
           [ 6.28433854, 93.71566146],
           [45.91511687, 54.08488313],
           [ 2.07820412, 97.92179588]])

Utiliser sklearn avec la normalisation

Une autre solution

from sklearn.preprocessing import normalize

data_new = normalize(data, axis=1, norm='l1') * 100

donne

    array([[28.26175199, 71.73824801],
           [55.01015348, 44.98984652],
           [50.00386524, 49.99613476],
           [ 6.28433854, 93.71566146],
           [45.91511687, 54.08488313],
           [ 2.07820412, 97.92179588]])

En utilisant pandas

Une autre solution

import pandas as pd

df = pd.DataFrame(data)

Calculer la somme pour chaque ligne.

df.sum(axis=1)

donne

    0    13.252544
    1    13.306524
    2     3.120132
    3     9.242598
    4    13.091876
    5     9.904943
    dtype: float64

Créez un dataframe avec des lignes normalisées à 100.

df[[0,1]].div(df.sum(axis=1), axis=0) * 100

retourne le dataframe suivant

               0          1
    0  28.582162  71.417838
    1  55.399630  44.600370
    2  50.397602  49.602398
    3   6.377737  93.622263
    4  46.306478  53.693522
    5   2.110498  97.889502

Convertir un dataframe en numpy.

df[[0,1]].div(df.sum(axis=1), axis=0).to_numpy() * 100

donne

    array([[28.26175199, 71.73824801],
           [55.01015348, 44.98984652],
           [50.00386524, 49.99613476],
           [ 6.28433854, 93.71566146],
           [45.91511687, 54.08488313],
           [ 2.07820412, 97.92179588]])

Notes supplémentaires

Créez une carte thermique à l'aide de matplotlib.

    import matplotlib.pyplot as plt
    import seaborn as sns; sns.set()

    fig = plt.figure(num=None, figsize=(12, 8), dpi=80, facecolor='w', edgecolor='k')

    plt.clf()

    ax = fig.add_subplot(111)

    ax.set_aspect(0.5)

    annot_m = np.empty(data_new.shape,dtype='<U16')
    for i in range(data_new.shape[0]):
        for j in range(data_new.shape[1]):
            annot_m[i,j] = 'Score: {:.2f}'.format(data_new[i,j])

    res = sns.heatmap(data_new, annot=annot_m, fmt="", cmap="YlGnBu", vmin=0.0, vmax=100.0, cbar=False)

    plt.title('How to normalize rows of an array with numpy ?',fontsize=12)

    plt.xticks([i+0.5 for i in range(data_new.shape[1])], ['C1', 'C2'])
    plt.xticks(rotation=0)

    plt.yticks([i+0.5 for i in range(data_new.shape[0])], ['A', 'B', 'C','D', 'E', 'F'])
    plt.yticks(rotation=0)

    plt.yticks(rotation=0)

    plt.savefig("how_to_normalize_rows_of_an_array_with_numpy_02.png", bbox_inches='tight', dpi=200)

    plt.show()

Arrondir les valeurs du tableau

np.around(data_new,2)

donne

    array([[28.26, 71.74],
           [55.01, 44.99],
           [50.  , 50.  ],
           [ 6.28, 93.72],
           [45.92, 54.08],
           [ 2.08, 97.92]])

Références