我有一个表示时间序列数据的三维numpy数组，即[样本数，时间步长，特征数]。

我想将每个特征缩放到-1到1之间。然而，每个特征的缩放应基于数组第一维度上所有样本的最大值和最小值。例如，我的数组形状为：

multi_data.shape(66, 5004, 2)

我尝试了以下方法：

data_min = multi_data.min(axis=1, keepdims=True)data_max = multi_data.max(axis=1, keepdims=True)multi_data = (2*(multi_data-data_min)/(data_max-data_min))-1

问题是这种方法独立地缩放了每个“批次”（我的数组的第一维度）。我试图做的是通过所有66个批次的最大值和最小值来缩放每个特征（我有两个特征），然后根据这些最大值和最小值来缩放每个特征，但我还没有完全弄清楚如何实现这一点。任何建议都会非常受欢迎。

回答：

你可以尝试再加一个min/max操作：

data_min = multi_data.min(axis=1, keepdims=True).min(axis=0, keepdims=True)data_max = multi_data.max(axis=1, keepdims=True).max(axis=0, keepdims=True)multi_data = (2*(multi_data-data_min)/(data_max-data_min))-1

或者：

data_min = multi_data.min(axis=(0,1), keepdims=True)data_max = multi_data.max(axis=(0,1), keepdims=True)multi_data = (2*(multi_data-data_min)/(data_max-data_min))-1

因为你在前两个维度上取min/max，你可以忽略keepdims并使用广播，这样可以节省很多内存：

data_min = multi_data.min(axis=(0,1))data_max = multi_data.max(axis=(0,1))multi_data = (2*(multi_data-data_min)/(data_max-data_min))-1