【Python那些事儿】数据放缩

讨论如何对数据进行放缩：

• 放缩是一种非常重要的数据转换手段；
• 对数据进行放缩之后，能够控制数值的范围；
• 数据集里有很多列的时候，数据较大的列对于其他列更有优势，必须对数据进行放缩以避免这种干扰。

操作方法

缩放到[0, 1]区间

import numpy as np
np.random.seed(10)
x = [np.random.randomint(10, 25)*1.0 for i in range(10)]

def min_max(x):
    return [round(round((xx - min(x))/(1.0*(max(x) - min(x))), 2) for xx in x]

print(x)
print(min_max(x))


----------
输出：
[19.0, 23.0, 14.0, 10.0, 11.0, 21.0, 22.0, 19.0, 23.0, 10.0]
[0.69, 1.0, 0.31, 0.0, 0.08, 0.85, 0.92, 0.69, 1.0, 0.0]

这样就把原始数值分布缩放到[0, 1]区间内。10原来是最小的数，缩放后为0.0;23是原来最大的数，缩放后是1.0。

缩放到任意范围

假如定义新的区间范围为nr_min到nr_max，那min_max的公式得做如下修改：

x_scaled = (x - min(x)) / (max(x) - min(x)) * (nr_max - nr_min) + nr_min

Python实例代码：

import numpy as np

np.random.seed(10)
x = [np.random.randint(10, 25)*1.0 for i in range(10)]

#定义函数
def min_max_range(x, range_values):
    return [round( ((xx - min(x)) / (1.0*(max(x) - min(x)))) * (range_values[1] - range_values[0]) + range_values[0], 2) for xx in x]

if __name__ == '__main__':
    print(x)
    print(min_max_range(x, (100, 200)))

----------
输出：
[19.0, 23.0, 14.0, 10.0, 11.0, 21.0, 22.0, 19.0, 23.0, 10.0]
[169.23, 200.0, 130.77, 100.0, 107.69, 184.62, 192.31, 169.23, 200.0, 100.0]

将数值缩放到[100, 200]，最小值10和最大值23缩放到100和200。