使用numpy进行对多特征数据集进行归一化
时间: 2024-02-05 12:18:30 浏览: 18
可以使用numpy进行对多特征数据集进行归一化,下面是一个示例代码:
```python
import numpy as np
# 生成一个5x3的随机数据集
data = np.random.randint(0, 100, size=(5, 3))
print("原始数据集:\n", data)
# 最小-最大归一化
min_max_scaler = lambda x: (x - np.min(x)) / (np.max(x) - np.min(x))
data_min_max = np.apply_along_axis(min_max_scaler, 0, data)
print("最小-最大归一化后的数据集:\n", data_min_max)
# Z-score归一化
z_score_scaler = lambda x: (x - np.mean(x)) / np.std(x)
data_z_score = np.apply_along_axis(z_score_scaler, 0, data)
print("Z-score归一化后的数据集:\n", data_z_score)
```
上述代码中,使用numpy.random.randint函数生成一个5x3的随机数据集,然后分别使用最小-最大归一化和Z-score归一化对数据集进行处理,并将处理后的数据集打印出来。其中,np.apply_along_axis函数可以对numpy数组的每一列(即每个特征)应用指定的函数。