归一化前必须处理极值相等的边界情况：若max==min则结果未定义，应统一设为0.5等合理值；需用std::minmax_element单趟求极值，整型数组须转浮点，大数组可用eigen向量化加速。
归一化前必须先确认数组类型和范围
归一化到 [0, 1] 的本质是线性映射：x → (x - min) / (max - min)。如果所有元素相等（max == min），分母为 0，结果未定义——这是最常被忽略的崩溃点。C++ 没有内置“安全归一化”函数，必须手动处理该边界情况。
常见错误现象：std::nan 输出、除零异常（debug 模式下可能触发断言）、或静默得到全 inf/nan 数组。
- 整型数组（如
std::vector<int></int>）需转为浮点运算，否则整除导致精度丢失 - 若原始数据已知严格正（如图像像素值 0–255），可跳过极值扫描，直接用已知范围提升性能
- 使用
double而非float可减少小范围浮点误差累积
用 std::minmax_element 实现安全归一化
std::minmax_element 是标准库中高效获取极值的唯一推荐方式，单趟遍历完成，时间复杂度 O(n)，且支持任意迭代器（包括原生数组指针）。
实操建议：
- 对
std::vector<double></double>直接操作；对int或float容器，先用std::vector<double>(v.begin(), v.end())</double>构造临时双精度副本 - 检查
max == min后，统一设为0.5（或按业务需求设为 0 或 1），避免分支逻辑污染主流程 - 原地归一化时，务必先算完极值再写入，防止
min被提前覆盖影响后续计算
std::vector<double> data = {1.0, 5.0, 3.0, 9.0};
auto [min_it, max_it] = std::minmax_element(data.begin(), data.end());
double min_val = *min_it, max_val = *max_it;
<p>if (min_val == max_val) {
std::fill(data.begin(), data.end(), 0.5);
} else {
double scale = 1.0 / (max_val - min_val);
for (double& x : data) {
x = (x - min_val) * scale;
}
}</p></double>
用 Eigen 库做向量化加速（适合大数组）
当数组长度 > 1e4 且已引入 Eigen，用 Eigen::VectorXd 可利用 SIMD 加速减法与除法，比手写循环快 2–3 倍。
注意点：
-
Eigen::VectorXd::minCoeff()和maxCoeff()是成员函数，不返回迭代器，调用更简洁 - 必须启用编译器向量化（如 GCC 加
-O3 -march=native），否则 Eigen 自动退化为标量运算 - Eigen 默认列优先，但归一化不涉及矩阵结构，无需额外转置
Eigen::VectorXd v(100000);
// ... fill v
double min_val = v.minCoeff();
double max_val = v.maxCoeff();
if (min_val != max_val) {
v = (v - min_val) / (max_val - min_val);
} else {
v.setConstant(0.5);
}
原始 C 数组（如 double arr[N]）怎么处理
不能直接用 std::vector 构造函数推导长度，必须显式传入 N。最容易错的是把数组名当指针传给 std::minmax_element 却忘了长度，导致越界读取。
正确姿势：
- 用
std::minmax_element(arr, arr + N)，不是std::minmax_element(arr, arr + sizeof(arr)) - 若 N 是宏或字面量，可封装成 constexpr 函数避免硬编码
- 归一化后若需回写原始数组，确保目标类型能容纳
double结果（例如float arr[N]要强制static_cast<float></float>）
极值相等时的处理逻辑和 vector 版本完全一致，只是迭代器换成裸指针。
真正麻烦的从来不是公式本身，而是极值相等时的业务含义——是数据异常？还是合法常量？这个判断没法交给代码自动做，得人来定。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
