我使用以下方法将一个n维数组缩放到0和1之间：

x_scaled = (x-np.amin(x))/(np.amax(x)-np.amin(x))

但是对于大型数据集来说，这种方法非常慢。我有成千上万个相对较大的数组需要处理。Python中是否有更快的方法来实现这一目标？

编辑：我的数组形状为(24,24,24,9)。对于scikit中的MinMax缩放器，输入数组必须具有一定的形状，而我的数组不符合要求，因此无法使用。文档中说明：

Parameters: X : array-like, shape [n_samples, n_features]

回答：

MadPhysicist的回答可以优化，以避免不必要的临时数据分配：

x -= x.min()
x /= x.ptp()

就地运算符（如+=、-=等）不会占用你的内存（因此磁盘交换发生的可能性较小）。当然，这会破坏你最初的x，所以只有在你之后不需要x时才可以使用这种方法…

此外，他提出的将多维数据拼接成更高维矩阵的想法，如果你有很多很多通道，是一个好主意，但同样需要测试这种大矩阵是否会导致磁盘交换，还是应该按顺序处理小矩阵。