Python数据预处理之数据规范化（归一化）示例


						本文实例讲述了Python数据预处理之数据规范化。分享给大家供大家参考，具体如下：

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 = '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



上述代码改为使用print语句打印，如下：





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

#数据规范化

import pandas as pd

import numpy as np

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

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

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

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







可输出如下打印结果：



          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

          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



附：代码中使用到的normalization_data.xls点击此处本站下载。

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。