多次运行的矩阵归一化，这段代码有什么作用？

如何解决多次运行的矩阵归一化，这段代码有什么作用？

我在一段时间内收集了几个 numpy 矩阵。我现在想可视化这些矩阵并探索它们之间的视觉相似性。矩阵包含从 0.0 到 1.0 的小数。

为了比较它们，我想确保相同的“区域”用相同的颜色着色，例如0.01 到 0.02 总是红色，0.02 到 0.03 总是绿色。我有两个问题：

我发现另一个 question 有这个代码片段：

a = np.random.normal(0.0,0.5,size=(5000,10))**2
a = a/np.sum(a,axis=1)[:,None]  # normalize

plt.pcolor(a)

第二行的作用是什么，正是 [:,None] 语句。我尝试通过以下方式对矩阵进行归一化：

max_a = a/10# normalize
print(max_a.shape)
plt.pcolor(max_a)

但与非归一化矩阵的可视化相比，没有太大的视觉差异。当我添加 [:,None] 语句时，出现错误

ValueError: too many values to unpack (expected 2)

这是预期的，因为形状现在是 10,1,10。因此，我想知道括号的作用以及如何阅读声明。

其次，也是相关的，我想确保我可以直观地比较矩阵。因此，我想修复“着色”，例如颜色为绿色或红色时的范围，这样我就不会在图 A 中以 0 到 0.1 为绿色，而在图 B 中以 0 到 0.1 为红色。如何修复从浮点数到颜色的“转换”？我是否必须使用相同的常数对每个矩阵进行归一化，例如10？或者我是否使用唯一值对它们进行规范化——我什至需要在这里规范化吗？