按照我在这里的问题：恢复最小最大缩放，我正在尝试另一种方法。
这次，我有2个大清单：
[ ...many values, 0, 20, 22, 32, 11, 24, 0, 12, 11, 33]
[26, 25, 34, 45, 45, 35, 71, 27, 27, 34, many values...]
2 个大列表中的值已使用 MinMax 缩放器进行缩放：
V = (actual - min) / (max - min)
最小值和最大值在列表中是常量。最小值和最大值对于 2 个大列表是不同的。
两个大列表在两个较小的列表中"重叠"：
[ 0, 20, 22, 32, 11, 24, 0, 12, 11, 33]
[26, 25, 34, 45, 45, 35, 71, 27, 27, 34]
对于第一个列表，我知道：
V = (actual - min1) / (max1 - min1)
对于第二个列表，我知道：
V = (actual - min2) / (max2 - min2)
所以从技术上讲，我可以将actual表示为min1, min2, max1, max2的函数，
V1.max1 - V1.min1 + min1 - V2.max2 +V2.min2 - min2 = 0
<=> V1.x0 - (V1+1).x1 - V2.x2 + (V2-1).x3 = 0
得到一组 4 个方程，并用numpy.linalg.solve求解：
data = [(V1, V1+1, V2, V2-1) for V1, V2 in zip(vals1, vals2) if V1 !=0 and V2 != 0]
res = [0 for v in data]
x = np.linalg.solve(data, res)
但是每次尝试这样做时，我都会得到一个LinAlgError: Singular matrix异常：
lib/python3.7/site-packages/numpy/linalg/linalg.py in solve(a, b)
401 signature = 'DD->D' if isComplexType(t) else 'dd->d'
402 extobj = get_linalg_error_extobj(_raise_linalgerror_singular)
--> 403 r = gufunc(a, b, signature=signature, extobj=extobj)
404
405 return wrap(r.astype(result_t, copy=False))
lib/python3.7/site-packages/numpy/linalg/linalg.py in _raise_linalgerror_singular(err, flag)
95
96 def _raise_linalgerror_singular(err, flag):
---> 97 raise LinAlgError("Singular matrix")
98
99 def _raise_linalgerror_nonposdef(err, flag):
LinAlgError: Singular matrix
我又错过了独立方程吗？
拥有相同的 V 并不意味着您有 2 个变量的 2 个方程，而是 2 个变量的 4 个方程，不幸的是，这仍然无法解决。
要求解具有 n 个未知变量的系统，至少需要 n 个独立方程。
一件好事是，您可以"设置"最小值 1 和 min2，并且可以推导出 max1 和 max2(例如，如果您知道 min1 将始终为 0，或者如果您不关心实际的最小值)