python sklearn 中数据处理 归一化函数 — MinMaxScaler()

MinMaxScaler()函数在sklearn包中

MinMaxScaler()函数原型为：

sklearn.preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True)
其中：

feature_range：为元组类型，范围某认为:[0，1]，也可以取其他范围值。

copy：为拷贝属性，默认为True,表示对原数据组拷贝操作，这样变换后元数组不变，False表 示变换操作后，原数组也跟随变化，相当于c++中的引用或指针。copy = 1 的效果 同 copy = True，copy = 0 的效果同 copy =False

函数表示的数学原型为：
X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min

#注意：上面的函数时对数组的每一列进行处理的，处理之前的数据类型为
numpy.array 或者 list（列表类型）。注意！：如果是numpy 类型，数据类型要设置成np.float64 或者 np.float32 的形式，如果是np.int 的形式会出现warning 的提醒。
如果是np.float64 ，MinMaxScaler() 函数处理之后是 数据类型是 np.float64;
如果是np.float32 ，MinMaxScaler() 函数处理之后是 数据类型是 np.float32;
如果是list ，MinMaxScaler() 函数处理之后是 数据类型是 np.float64;

处理之后是在设置范围feautre_range = (min, max) 中 min - max 这个范围内的数，并且数据的形状和原数据保持一致，处理之后的数据类型为np.float64。其中 min ， max分别 默认为 0 ， 1
下面是举例：

from sklearn import preprocessing
import numpy as np
x = np.array(