Python数据预处理之数据规范化(归一化)示例

 更新时间:2019年01月08日 14:16:42   作者:memoryqiu   我要评论

这篇文章主要介绍了Python数据预处理之数据规范化,简单描述了数据规范化的原理、用法及相关操作技巧,需要的朋友可以参考下

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。

相关文章

  • PYTHON基础-时间日期处理小结

    PYTHON基础-时间日期处理小结

    PYTHON时间日期处理函数以datetime为中心, 起点或中转, 转化为目标对象, 涵盖了大多数业务场景中需要的日期转换处理,这里就为大家介绍一下,需要的朋友可以参考下
    2018-05-05
  • Python中条件判断语句的简单使用方法

    Python中条件判断语句的简单使用方法

    这篇文章主要介绍了Python中条件判断语句的简单使用方法,是Python入门学习中的基础知识,需要的朋友可以参考下
    2015-08-08
  • Tensorflow加载预训练模型和保存模型的实例

    Tensorflow加载预训练模型和保存模型的实例

    今天小编就为大家分享一篇Tensorflow加载预训练模型和保存模型的实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-07-07
  • Python模拟随机游走图形效果示例

    Python模拟随机游走图形效果示例

    这篇文章主要介绍了Python模拟随机游走图形效果,涉及Python随机数概率运算及图形绘制相关操作技巧,需要的朋友可以参考下
    2018-02-02
  • python RabbitMQ 使用详细介绍(小结)

    python RabbitMQ 使用详细介绍(小结)

    这篇文章主要介绍了python RabbitMQ 使用详细介绍(小结),详细的介绍了RabbitMQ的概念以及使用,对学习RabbitMQ有一定的帮助,非常具有实用价值,需要的朋友可以参考下
    2018-11-11
  • python实现批量改文件名称的方法

    python实现批量改文件名称的方法

    这篇文章主要介绍了python实现批量改文件名称的方法,涉及Python中os模块rename方法的相关使用技巧,需要的朋友可以参考下
    2015-05-05
  • Python中super关键字用法实例分析

    Python中super关键字用法实例分析

    这篇文章主要介绍了Python中super关键字用法,实例分析了super关键字的功能及相关使用技巧,需要的朋友可以参考下
    2015-05-05
  • Python实现字典的遍历与排序功能示例

    Python实现字典的遍历与排序功能示例

    这篇文章主要介绍了Python实现字典的遍历与排序功能,结合实例形式分析了Python字典的遍历与排序相关函数与使用技巧,需要的朋友可以参考下
    2017-12-12
  • python3简单实现微信爬虫

    python3简单实现微信爬虫

    我们可以通过python 来实现这样一个简单的爬虫功能,把我们想要的代码爬取到本地。下面就看看如何使用python来实现这样一个功能。
    2015-04-04
  • 浅析Git版本控制器使用

    浅析Git版本控制器使用

    本片文章主要给大家介绍了Git版本控制器的使用心得和技巧分享,需要的朋友学习参考下吧。
    2017-12-12

最新评论