#-*-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)
数据分析数据标准化
最新推荐文章于 2023-12-27 18:04:11 发布