python数据归一化

数据归一化是指将数据缩放到固定的范围内，通常是[0,1]或[-1,1]。在使用机器学习算法进行数据分析和建模时，数据的归一化是非常重要的。常见的数据归一化方法有如下几种：

1. 最小-最大缩放(Min-Max Scaling)：将数据缩放到[0,1]区间内。公式为：(x-min)/(max-min)

2. Z-score标准化(Standardization)：将数据缩放为均值为0，标准差为1的分布。公式为：(x-mean)/std

3. 小数定标标准化(Decimal Scaling)：将数据除以一个基数，通常是10的n次方，使得数据处于[-1,1]范围内。公式为：x/10^n

4. 对数变换(Log Transformation)：将数据进行对数变换，使得数据分布更均匀。公式为：log(x)

使用Python进行数据归一化的示例代码如下：

import pandas as pd
from sklearn.preprocessing import MinMaxScaler, StandardScaler

# 读取数据
df = pd.read_csv('data.csv')

# 最小-最大缩放
min_max_scaler = MinMaxScaler()
df_min_max = min_max_scaler.fit_transform(df)

# Z-score标准化
z_score_scaler = StandardScaler()
df_z_score = z_score_scaler.fit_transform(df)

# 输出归一化后的数据
print('Min-Max scaled data:\n', df_min_max)
print('Z-score scaled data:\n', df_z_score)