数据分析数据标准化

#-*-coding:utf-8-*-
import  numpy  as  np
import pandas  as  pd
#标准化数据的目的：将数据转化为同一量级，避免量级对结果产生不利的影响
#三种方式
#离差标准化--（x-min)/(max-min)
#将数据转换化为【0,1】之间去
def  min_max_sca(data):
    """

    :param data: 传入的数据
    :return:
    """
    data=(data-data.min())/(data.max()-data.min())
    return data
#离差标准化容易受到异常点影响
#标准差标准化--（x-mean)/std
#转化完成的数据--将数据转化到标准差为1均值为0的状态
def  stand_sca(data):
    """
    标准差标准化数据
    :param data:
    :return:
    mean()均值，std()标准差，标准差是方差的平方根
    """
    data=(data-data.mean())/data.std()
    return data
#对异常值不敏感

#小数定标标准化
#x/10^k;  k=log10(|x|.max()向上取整
#通过移动数据的小数点来使得数据转化到[-1,1]之间
def   sesc_sca(data):
    """
    小数定标标准化
    :param data:
    :return:
    abs取绝对值
    """
    data=data/(10**np.ceil(np.log10(data.abs().max())))
    return data
#加载数据
detail=pd.read_excel('./meal_order_detail.xlsx')
data=detail.loc[:,'amounts']
print(data.max())
res1=min_max_sca(data)
print(res1)
res2=stand_sca(data)
print(res2)
res3=sesc_sca(data)
print(res3)