python 数据归一化/标准化方法与代码（离差标准化，log归一化，标准化，比例归一化，反正切归一化）

下面是一些常用的归一化、标准化的方法：

• 离差标准化
• log归一化
• 标准化
• 比例归一化
• 反正切归一化

代码示例

import numpy as np


def min_max_normalization(value):
    """归一化，也称离差标准化
    公式：(原始值-最小值)/(最大值-最小值)
    :return 值域[0,1]
    """
    new_value = (value - value.min()) / (value.max() - value.min())
    return new_value


def log_transfer(value):
    """log转换，需要原始数据都大于1
    公式：log10(x)/log10(max)
    :return 值域[0,1]
    """
    new_value = np.log10(value) / np.log10(value.max())
    return new_value


def normalization(value):
    """标准化
    公式：(原始值-均值)/方差
    :return 范围任意，标准化后数据均值为0，标准差为1
    """
    new_value = (value - value.mean()) / value.std()
    return new_value


def proportional_normalization(value):
    """比例归一
    公式：值/总和
    :return 值域[0,1]
    """
    new_value = value / value.sum()
    return new_value


def arctan_normalization(value):
    """反正切归一化，反正切函数的值域就是[-pi/2,pi/2]
    公式：反正切值 * (2 / pi)
    :return 值域[-1,1]，原始大于0的数被映射到[0,1]，小于0的数被映射到[-1,0]
    """
    new_value = np.arctan(value) * (2 / np.pi)
    return new_value


if __name__ == '__main__':
    data = np.random.randint(0, 10, size=(20))
    print(data)
    min_max_data = min_max_normalization(data)
    print(min_max_data)
    log_data = log_transfer(np.random.randint(1, 10, size=(20)))
    print(log_data)
    norm_data = normalization(data)
    print(norm_data)
    proportional_data = proportional_normalization(data)
    print(proportional_data)
    arc_data = arctan_normalization(np.random.randint(-10, 10, size=(20)))
    print(arc_data)