Python数据集处理之数据归一化原理介绍及模块化代码实现

1. 什么是归一化

在现实生活中，我们采集到的数据会由于含义的不同，导致数据之间差别很大，例如采集车辆行驶信息时，车辆的速度、油门踏板深度、方向盘转角等都不在一个数量级，如果直接对这些原始数据进行分析，那么往往会影响最后数据分析的结果。通常我们将车辆速度这些变量称为评价指标，不同的评价指标之间往往具有不同的量纲，为了消除指标之间量纲的影响，需要进行数据归一化处理，原始数据经过数据归一化处理后，各指标处于同一数量级，适合进行综合对比评价。

通常进行归一化的方法有两种：（1）最值归一化。（2）均值方差归一化

1.1 最值归一化

最值归一化适用于数据有明显边界的情况，例如考试成绩。该方法是将所有数据映射到[0,1]之间，其计算公式如下所示：

1.2 均值方差归一化

均值方差归一化适用性要强于最值归一化，因此，如果要对数据进行归一化操作时，建议使用均值方差归一化。该方法是将原始数据集归一化为均值为0、方差1的数据集，其计算公式如下：

式中,s为方差。

2. 模块化代码实现

本文依旧以鸢尾花数据