python 处理数据归一化

参考链接： Python | 如何以及在哪里应用特征缩放/归一化

数据规范化

为了消除指标之间的量纲和取值范围差异的影响，需要进行标准化（归一化）处理，将数据按照比例进行缩放，使之落入一个特定的区域，便于进行综合分析。

数据规范化方法主要有： 

- 最小-最大规范化 

- 零-均值规范化

数据示例

代码实现

#-*- coding: utf-8 -*-

#数据规范化

import pandas as pd

import numpy as np

datafile = '../data/normalization_data.xls' #参数初始化

data = pd.read_excel(datafile, header = None) #读取数据

(data - data.min())/(data.max() - data.min()) #最小-最大规范化

(data - data.mean())/data.std() #零-均值规范化

从命令行可以看到下面的输出：

>>> (data-data.min())/(data.max()-data.min(

          0         1         2         3

0  0.074380  0.937291  0.923520  1.000000

1  0.619835  0.000000  0.000000  0.850941

2  0.214876  0.119565  0.813322  0.000000

3  0.000000  1.000000  1.000000  0.563676

4  1.000000  0.942308  0.996711  0.804149

5  0.264463  0.838629  0.814967  0.909310

6  0.636364  0.846990  0.786184  0.929571

>>> (data-data.mean())/data.std()

          0         1         2         3

0 -0.905383  0.635863  0.464531  0.798149

1  0.604678 -1.587675 -2.193167  0.369390

2 -0.516428 -1.304030  0.147406 -2.078279

3 -1.111301  0.784628  0.684625 -0.456906

4  1.657146  0.647765  0.675159  0.234796

5 -0.379150  0.401807  0.152139  0.537286

6  0.650438  0.421642  0.069308  0.595564 

转载链接: https://blog.csdn.net/sinat_25873421/article/details/80753121