Matrice entière à normalisation de matrice stochastique

Question

Supposons que j'ai une matrice avec des valeurs entières. Je veux rendre la matrice stochastique (c'est-à-dire la somme de chaque ligne dans la matrice égale à 1)

Je crée une matrice aléatoire, compte la somme de chaque ligne et divise chaque élément en ligne pour la somme des lignes. Après cette somme de chaque ligne doit être égale à 1. Mais ce n'est pas le cas.

dt = pd.DataFrame(np.random.randint(0,10000,size=10000).reshape(100,100)) 
dt['sum_row'] = dt.sum(axis=1) 
for col_n in dt.columns[:-1]: 
    dt[col_n] = dt[col_n]/dt['sum_row'] 

Je comprends que certaines valeurs ne sont pas exactement 1 mais très proches de celles-ci. Néanmoins, comment puis-je normaliser la matrice correctement?

Answer 1

Vous ne pouvez pas garantir que les flotteurs seront exactement un, mais vous pouvez vérifier de près avec une précision arbitraire avec np.around.

Ceci est probablement plus facile/plus rapide sans faire une boucle sur les colonnes pandas.

X = np.random.randint(0,10000,size=10000).reshape(100,100) 
X_float = X.astype(float) 
Y = X_float/X_float.sum(axis=1)[:,np.newaxis] 

sum(np.around(Y.sum(axis=1),decimals=10)==1) # is 100 

(vous n'avez pas besoin l'étape .astype(float) 3.x python)