dataframe数据标准化处理_数据预处理——标准化/归一化（实例）

这次我们来说说关于数据预处理中的数据标准化及归一化的问题。主要以理论+实例的方式为大家展示。

本次实验也将会展示部分数据以及代码，有兴趣的小伙伴可以自己动手试试~

在本次实例过程中，我们使用的数据是：2010-2018年间广州市经济与环境的时间序列资料，数据来源为《广州市统计年鉴》及《国民经济和社会发展统计公报》，感兴趣的同学也可利用其它数据进行实例操作。（本次实验的Excel数据附在文后）

一、归一化（Normalization）

描述：

将数据映射到指定的范围，如：把数据映射到0～1或-1~1的范围之内处理。

作用：

• 1、数据映射到指定的范围内进行处理，更加便捷快速。
• 2、把有量纲表达式变成无量纲表达式，便于不同单位或量级的指标能够进行比较和加权。经过归一化后，将有量纲的数据集变成纯量，还可以达到简化计算的作用。

常见做法：Min-Max归一化

python实现：

（1）导入数据并删除我们不要的列：

import numpy as np
import pandas as pd
df=pd.read_excel('C://Users/Administrator/Desktop/data_py.xlsx',sheet_name='广州',encoding='utf-8')
df.drop(columns="时间",axis=1,inplace=True)
df.set_index([[2010,2011,2012,2013,2014,2015,2016,2017,2018]],inplace=True)
df.drop(columns=['第二产业产值占比'