#-*-coding:utf-8-*- import numpy as np import pandas as pd #標準化數(shù)據(jù)的目的：將數(shù)據(jù)轉(zhuǎn)化為同一量級，避免量級對結(jié)果產(chǎn)生不利的影響 #三種方式 #離差標準化--（x-min)/(max-min) #將數(shù)據(jù)轉(zhuǎn)換化為【0,1】之間去 def min_max_sca(data):""":param data: 傳入的數(shù)據(jù):return:"""data=(data-data.min())/(data.max()-data.min())return data #離差標準化容易受到異常點影響 #標準差標準化--（x-mean)/std #轉(zhuǎn)化完成的數(shù)據(jù)--將數(shù)據(jù)轉(zhuǎn)化到標準差為1均值為0的狀態(tài) def stand_sca(data):"""標準差標準化數(shù)據(jù):param data::return:mean()均值，std()標準差，標準差是方差的平方根"""data=(data-data.mean())/data.std()return data #對異常值不敏感#小數(shù)定標標準化 #x/10^k; k=log10(|x|.max()向上取整 #通過移動數(shù)據(jù)的小數(shù)點來使得數(shù)據(jù)轉(zhuǎn)化到[-1,1]之間 def sesc_sca(data):"""小數(shù)定標標準化:param data::return:abs取絕對值"""data=data/(10**np.ceil(np.log10(data.abs().max())))return data #加載數(shù)據(jù) detail=pd.read_excel('./meal_order_detail.xlsx') data=detail.loc[:,'amounts'] print(data.max()) res1=min_max_sca(data) print(res1) res2=stand_sca(data) print(res2) res3=sesc_sca(data) print(res3)

總結(jié)

以上是生活随笔為你收集整理的数据分析数据标准化的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。