对一行数据 归一化 反归一化

当你需要对单行数据进行归一化和反归一化时，这个过程与整个DataFrame的操作类似，但只需要针对这行数据操作。假设我们有一行数据`row`，它是一个列表或Series：

import numpy as np

# 假设 row = [value1, value2, ...] 是一个包含数值的列表

# 归一化（例如，使用最小-最大归一化）
min_value = np.min(row)
max_value = np.max(row)

def normalize_row(row, min_val, max_val):
    normalized_row = [(value - min_val) / (max_val - min_val) for value in row]
    return normalized_row

normalized_row = normalize_row(row, min_value, max_value)

# 反归一化（还原到原范围）
def de_normalize_row(normalized_row, min_val, max_val):
    original_range = max_val - min_val
    restored_row = [value * original_range + min_val for value in normalized_row]
    return restored_row

original_range_row = de_normalize_row(normalized_row, min_value, max_value)

在这个例子中，`normalize_row`函数将每一项转换为0到1之间的值，而`de_normalize_row`则将这些值逆向转换回原来的范围。