缩放或将 numpy 数组的每个条目映射到另一个值范围

Question

我正在尝试将强化学习连续动作值

range(-1.0,1.0)

映射到实际输出。

假设我有 numpy 动作数组

actions =  np.array([-1., 0.2, -0.3, 0.5])

。数组的值可能是

actions.min = -1.

和

actions.max = 1.

。

现在，我需要将每个条目映射到单独的范围

• actions[0] 映射到 range(-0.4 , 1.54)
• actions[1] 映射到 range(1.4 , 1.54)
• actions[2] 映射到 range(-2.4 , 2.0)
• actions[3] 映射到 range(-1.54 , 0.4)

所以，映射行动

mapped_actions = np.array([-0.4, 1.484, -0.86, -0.085])

我目前的解决方案如下：

import numpy as np

actions = np.array([-1., 0.2, -0.3, 0.5])
mapped_low_high = np.array([[-0.4, 1.54], [1.4, 1.54],[-2.4, 2.], [-1.54, 0.4]])

mapped_actions = np.zeros_like(actions)

for i in range(actions.shape[0]):
    mapped_actions[i] = np.interp(actions[i], (-1., 1.), mapped_low_high[i])

是否有更好的方法将 actions 数组映射到mapped_actions？

Answer 1

使用 numpy 数组循环很慢。编写可以一次对整个数组进行操作的向量化函数会更快。由于我们知道给定的数组始终在 -1 和 1 之间，并且我们有一个新范围的数组，因此代码是一个简单的函数，可从一个范围重新映射到另一个范围。一般技术是将原始数据重新映射到

[0, 1]

，然后将其重新映射到

[a, b]

。

import numpy as np

actions = np.array([-1., 0.2, -0.3, 0.5])
mapped_low_high = np.array([[-0.4, 1.54],
                            [1.4, 1.54],
                            [-2.4, 2.],
                            [-1.54, 0.4]])


def remap(arr, mappings):
    out = arr.copy()
    a, b = mappings.T

    # remap out to 0 to 1
    # assumes arr is [-1,1]
    out += 1.
    out /= 2.

    # remap out from a to b
    out *= b - a
    out += a
    return out


remapped = remap(actions, mapped_low_high)  # array([-0.4  ,  1.484, -0.86 , -0.085])