Java二维数组矩阵归一化需区分按行或按列处理，核心是线性缩放并处理边界情况：全等值避免除零、空行/空矩阵校验；按列归一化更常用，先求每列min/max，再逐元素计算。
Java 中对二维数组做矩阵归一化，核心是明确“按行”还是“按列”处理，再针对每组数据独立应用线性缩放公式。常见错误不是写错公式，而是忽略边界情况（如全等值、空行、空矩阵）和维度误判。下面分场景讲清逻辑与实现。
按行归一化：每行独立缩放到 [0,1]
适用于各行语义独立（如不同样本的特征向量），归一化公式为：(value - row_min) / (row_max - row_min)。需注意：
- 若某行所有元素相等（row_max == row_min），直接保留原值，避免除零
- 空行（长度为 0）跳过或抛异常，实际中建议提前校验
- 整行归一化后结果仍是 double 类型二维数组，不能强行转 int
按列归一化：每列独立缩放到 [0,1]
更常用在机器学习预处理中（如标准化不同特征量纲），公式同上，但 min/max 按列计算。关键点：
- 先遍历所有行，收集每列的最小值和最大值，存入两个长度为列数的一维数组
- 二次遍历填结果：normalized[i][j] = (matrix[i][j] - colMin[j]) / (colMax[j] - colMin[j])
- 若某列全等，该列所有元素保持不变（不缩放）
完整可运行的按列归一化示例
以下代码支持 null 输入、空矩阵、单行/单列，并自动处理全等列：
立即学习“Java免费学习笔记（深入）”；
public static double[][] normalizeByColumn(double[][] matrix) {
if (matrix == null || matrix.length == 0) return null;
int rows = matrix.length, cols = matrix[0].length;
// 防止某行为空
for (int i = 0; i if (matrix[i] == null || matrix[i].length != cols) throw new IllegalArgumentException("不规则矩阵");
}
double[] colMin = new double[cols];
double[] colMax = new double[cols];
// 初始化极值为第一行
for (int j = 0; j colMin[j] = colMax[j] = matrix[0][j];
}
// 扫描全部数据更新每列极值
for (int i = 1; i for (int j = 0; j if (matrix[i][j] if (matrix[i][j] > colMax[j]) colMax[j] = matrix[i][j];
}
}
// 构建归一化矩阵
double[][] result = new double[rows][cols];
for (int i = 0; i for (int j = 0; j if (colMax[j] == colMin[j]) {
result[i][j] = matrix[i][j]; // 全等列，不缩放
} else {
result[i][j] = (matrix[i][j] - colMin[j]) / (colMax[j] - colMin[j]);
}
}
}
return result;
}
不推荐直接用全局归一化
把整个二维数组 flatten 成一维再算 min/max，虽然代码短，但会破坏行列结构语义。例如图像像素归一化必须按通道或按像素位置处理，而非全局拉伸——否则明暗对比会失真。工程实践中，除非明确要求整体压缩（如灰度图统一映射），否则坚持按行或按列处理。
