Python数据分析之数据规范化处理(六)

1. 最大-最小规范化
2. 零-均值规范化
3. 小数定标规范化
   代码清单：

#-*- coding:utf-8 -*-
import pandas as pd
import numpy as np
data = pd.read_excel('data.xls')  #读入数据
data1 = (data-data.min())/(data.max()-data.min()) #最小-最大规范化
data2 = (data-data.min())/(data.std()) #零-均值规范化
data3 = data/10**np.ceil(np.log10(data.abs().max())) #小数定标规范化
print('最小-最大规范化',data1)
print('零-均值规范化',data2)
print('小数定标规范化',data3)

运行结果：

最小-最大规范化          
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  0.668114
6  0.636364  0.846990  0.786184  0.929571
零-均值规范化           
0         1         2         3
0  0.205918  2.223538  2.657698  2.959719
1  1.715980  0.000000  0.000000  2.518545
2  0.594873  0.283645  2.340573  0.000000
3  0.000000  2.372303  2.877792  1.668322
4  2.768447  2.235440  2.868326  2.380054
5  0.732151  1.989482  2.345306  1.977429
6  1.761739  2.009317  2.262475  2.751268
小数定标规范化        
0      1      2       3
0  0.078  0.521  0.602  0.2863
1  0.144 -0.600 -0.521  0.2245
2  0.095 -0.457  0.468 -0.1283
3  0.069  0.596  0.695  0.1054
4  0.190  0.527  0.691  0.2051
5  0.101  0.403  0.470  0.1487
6  0.146  0.413  0.435  0.2571