nazz 的答案并非在所有情况下都有效，并且不是进行您尝试执行的缩放的标准方式（有无数种可能的方式可以缩放到 [-1,1] ）。我假设您想分别缩放每一列：

1）你应该除以绝对最大值：

arr = arr - arr.mean(axis=0)
arr = arr / np.abs(arr).max(axis=0)

2) 但是如果一列的最大值为 0（当该列全为零时会发生这种情况），您将收到错误消息（您不能除以 0）。

arr = arr - arr.mean(axis=0)
safe_max = np.abs(arr).max(axis=0)
safe_max[safe_max==0] = 1
arr = arr / safe_max

不过，这不是执行此操作的标准方法。您正在尝试做一些“特征缩放”，请参见此处

那么公式是：

import numpy as np

def scale(X, x_min, x_max):
    nom = (X-X.min(axis=0))*(x_max-x_min)
    denom = X.max(axis=0) - X.min(axis=0)
    denom[denom==0] = 1
    return x_min + nom/denom 

X = np.array([
    [ 0,  1],
    [ 2,  3],
    [ 4,  5],
    [ 6,  7],
    [ 8,  9],
    [10, 11],
    [12, 13],
    [14, 15]
])
X_scaled = scale(X, -1, 1)
print(X_scaled)

结果：

[[-1.         -1.        ]
 [-0.71428571 -0.71428571]
 [-0.42857143 -0.42857143]
 [-0.14285714 -0.14285714]
 [ 0.14285714  0.14285714]
 [ 0.42857143  0.42857143]
 [ 0.71428571  0.71428571]
 [ 1.          1.        ]]

如果要缩放整个矩阵（不是按列），请删除并axis=0更改. denom[denom==0] = 1denom = denom + (denom is 0)

假设你有一个数组arr。您可以像这样对其进行标准化：

arr = arr - arr.mean()
arr = arr / arr.max()

您首先减去平均值以使其居中 $0$，然后除以最大值以将其缩放到 $[-1, 1]$.